畳込みニューラルネットワークを用いた新生児EEGにおける低酸素性虚血性脳症の重症度分類【JST・京大機械翻訳】

Raurale Sumit A.; Boylan Geraldine B.; Lightbody Gordon; O'Toole John M.

プレプリント

J-GLOBAL ID：202202206172199366 整理番号：22P0145983

畳込みニューラルネットワークを用いた新生児EEGにおける低酸素性虚血性脳症の重症度分類【JST・京大機械翻訳】

Grading the severity of hypoxic-ischemic encephalopathy in newborn EEG using a convolutional neural network

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 (4件)： , , ,
資料名：
発行年： 2020年05月12日プレプリントサーバーでの情報更新日： 2020年05月12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)

脳波(EEG)は,出生時の脳への血液および酸素の欠如に起因する損傷の等級づけのための貴重な臨床ツールである。本研究では,生EEGデータ内の階層的表現を学習する,深い畳み込みニューラルネットワークを用いた新しいエンドツーエンドアーキテクチャを示した。システムは低酸素性虚血性脳症の4グレードを分類し,54人の新生児から63時間のマルチチャネルEEGデータセットで評価した。提案方法は,1段階投票で79.6%の試験精度と2段階投票で81.5%を達成した。これらの結果は,特徴フリーアプローチが,既存の特徴ベースシステムに匹敵する精度で,新生児EEGにおける異なる等級の傷害を分類するのに使用できることを示した。新生児背景EEGの自動化等級づけは,低体温のような介入治療の必要性において,それらの乳児の早期同定を助けることができた。【JST・京大機械翻訳】

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

生体計測

, , , ,

前のページに戻る