対称およびハイブリッド双線形モデルによるてんかん発作分類【JST・京大機械翻訳】

Liu Tennison; Truong Nhan Duy; Nikpour Armin; Zhou Luping; Kavehei Omid

プレプリント

J-GLOBAL ID：202202202129960961 整理番号：22P0101919

対称およびハイブリッド双線形モデルによるてんかん発作分類【JST・京大機械翻訳】

Epileptic Seizure Classification with Symmetric and Hybrid Bilinear Models

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2020年01月14日プレプリントサーバーでの情報更新日： 2020年01月14日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

てんかんは全体的集団のほぼ1%に影響し,そのうち2分の3は抗てんかん薬により治療でき,手術によりはるかに低い割合である。てんかんとモニタリングのための診断手順は,高度に専門的で労働集約的である。診断の精度も,臨床専門職の間で,医学的症状,経験のレベルおよび観察者間変動性の重複により複雑である。本論文では,表面脳波(sEEG)とオーディオビジュアルモニタリングの利用が標準実践であるてんかん分類診断の臨床手順におけるアプリケーションを有する新しいハイブリッド双線形深層学習ネットワークを提案する。1秒sEEGの短時間Fourier変換(STFT)を用いて,2種類の特徴抽出器,すなわち畳込みニューラルネットワーク(CNN)と再帰ニューラルネットワーク(RNN)に基づくハイブリッド双線形モデルを訓練した。提案したハイブリッドモデルにおいて,CNNは時空間パターンを抽出し,一方,RNNは,同じ入力データを与えられた比較的長い間隔における時間的動力学の特性に焦点を当てた。これらの時空間特徴間の相互作用に基づく二次特徴を,双線形プールによりさらに探索し,てんかん分類に使用した。著者らの提案方法は,sEEGベースの発作型分類のための既存のベンチマークと比較して,Temple大学病院Seizure Corpusで97.4%,EPILEPSIAEデータセットで97.2%のF1スコアを得る。本研究のオープンソース実装は,https://github.com/NeuroSyd/Epileptic Seizure Classificationで利用可能である。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

神経系の診断 , 生体計測

, , ,

前のページに戻る