文献

J-GLOBAL ID：202202219293467843   整理番号：22A0449246

てんかん発作検出の精度強化:STFTのハードウェア実現による深層学習アプローチ【JST・京大機械翻訳】

Accuracy Enhancement of Epileptic Seizure Detection: A Deep Learning Approach with Hardware Realization of STFT

著者 (5件)： Beeraka Sai Manohar (Department of Electronics and Communication Engineering, National Institute of Technology Patna, Patna, Bihar, India) ,  Kumar Abhash (Department of Electronics and Communication Engineering, National Institute of Technology Patna, Patna, Bihar, India) ,  Sameer Mustafa (Department of Electronics and Communication Engineering, National Institute of Technology Patna, Patna, Bihar, India) ,  Ghosh Sanchita (Department of Information Technology, Institute of Engineering and Management, Kolkata, West Bengal, India) ,  Gupta Bharat (Department of Electronics and Communication Engineering, National Institute of Technology Patna, Patna, Bihar, India)
資料名： Circuits, Systems, and Signal Processing  (Circuits, Systems, and Signal Processing)
巻： 41  号： 1  ページ： 461-484  発行年： 2022年 
JST資料番号： H0430B  ISSN： 0278-081X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： ニューロン発火時に発生する脳波(EEG)シグナルは,そのような発作を予測する有効な方法であり,発作活動の分類および予測のために,最近の日に広く使用されている。しかし,てんかん発作時に発生するEEGシグナルは,自然において高度に非定常かつ動的であり,脳状態に関する非常に重要な情報を含む。このランダム性により,従来および視覚法によるEEGデータの分析の精度は劇的に減少した。本論文では,短時間Fourier変換ブロックのFPGA実装による深層学習モデルを用いたてんかん発作検出の強化を目的とする。発作の検出は次の段階で達成された。(1)STFTを用いたEEGセグメントの時間周波数解析;(2)周波数帯の抽出と関心の特徴;(3)畳み込みニューラルネットワーク(CNN)と双方向長短期記憶(Bi-LSTM)を用いた発作検出。本研究では,Bonn EEGデータセットを用いた。本提案のハードウェアアーキテクチャを介して生成されたSTFT出力の比較が,シミュレーションを通して生成された出力に対して,ΔΣ0.13%の最大誤差が遭遇した。癲癇と非てんかん患者のすべての周波数帯を考慮して,CNNとBi-LSTMモデルによって,それぞれ93.9%と97.2%の平均分類精度を達成した。Copyright The Author(s), under exclusive licence to Springer Science+Business Media, LLC, part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 視覚 ,  脳波 ,  ニューロン ,  *てんかん ,  *ハードウェア ,  周波数帯 ,  計算機アーキテクチャ ,  *発作 ,  FPGA
準シソーラス用語： *てんかん性発作 ,  時間周波数解析 ,  分類精度 ,  FPGA実装 ,  *深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (6件)： 深層学習 ,  てんかん発作 ,  FPGA ,  STFT ,  Bi-LSTM ,  CNN

分類 (2件)： 生体計測  (EL03020C) ,  神経系の診断  (GN02000H)

タイトルに関連する用語 (5件)： てんかん発作 ,  強化 ,  STFT ,  ハードウェア ,  深層学習