文献
J-GLOBAL ID:202202215543401031   整理番号:22A0328331

幼児のcry信号の自動診断のための深層学習システム【JST・京大機械翻訳】

Deep learning systems for automatic diagnosis of infant cry signals
著者 (7件):
資料名:
巻: 154  ページ: Null  発行年: 2022年 
JST資料番号: W0310A  ISSN: 0960-0779  CODEN: CSFOEH  資料種別: 逐次刊行物 (A)
記事区分: 原著論文  発行国: オランダ (NLD)  言語: 英語 (EN)
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。
今日,深層学習アーキテクチャは,生物医学工学の様々な応用における有望な人工知能システムである。例えば,それらは,診断タスクに関連する適切な決定を行う医師を助けるために使われるコンピュータ支援診断システムを構築するために信号処理技術と組み合わせることができる。本研究の目的は,乳児のcry記録の診断を改善するために,様々な深層学習システムの設計と検証である。特に,深いフィードフォワードニューラルネットワーク(DFFNN),長い短期記憶(LSTM)ニューラルネットワーク,および畳み込みニューラルネットワーク(CNN)を設計し,実行して,健康と不健康な乳児のcry記録を区別するための入力としてケプストラム解析ベースの係数を用いて訓練した。すべての深層学習システムを,呼気とインスピレーションセットで別々に検証した。隠れ層における畳込み層とニューロンの数はそれぞれCNNとDFFNNで変化する。CNNが最高の精度と感度を達成し,DFFNNが続くことが分かった。後者は最高の特異性を得た。文献における同様の研究と比較して,ケプストラム解析ベース係数で訓練された深層学習システムは,健康と病理学的信号を区別するために,乳児のcry記録の正確な診断に使用できる強力な機械であると結論付けられる。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
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。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
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。
, 【Automatic Indexing@JST】
分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
人工知能 
タイトルに関連する用語 (3件):
タイトルに関連する用語
J-GLOBALで独自に切り出した文献タイトルの用語をもとにしたキーワードです

前のページに戻る