抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】