地震心電図を用いた信頼性のある心臓活動モニタリングのためのエンドツーエンド深層学習【JST・京大機械翻訳】

Suresh Prithvi; Narayanan Naveen; Pranav Chakilam Vijay; Vijayaraghavan Vineeth

プレプリント

J-GLOBAL ID：202202220160840280 整理番号：22P0199444

地震心電図を用いた信頼性のある心臓活動モニタリングのためのエンドツーエンド深層学習【JST・京大機械翻訳】

End-to-End Deep Learning for Reliable Cardiac Activity Monitoring using Seismocardiograms

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10月12日プレプリントサーバーでの情報更新日： 2020年10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)

心臓活動の連続モニタリングは,心房フィブリレーションのような条件に対する前駆体の同定に加えて,心臓の機能を理解するのに重要である。連続心臓モニタリングを通して,潜在的障害の早期適応は,実際の事象の前に検出でき,タイムリーな予防措置を取ることができる。心電図(ECG)は,臨床的および非臨床的応用に対する心臓の機能をモニターするための確立された標準であるが,その電極に基づく実装は,特に非中断モニタリングに対し,それを厄介にする。したがって,SeismoNet,Seismocardia(SCG)信号から心臓活動をロバストに観察するためのエンドツーエンド解の提供を目的とする深い畳込みニューラルネットワークであるSeismoNetを提案した。これらのSCG信号は運動ベースであり,容易でユーザフレンドリーな方法で取得できる。さらに,深層学習の使用は,それらの雑音-除去形態にもかかわらず,SCG信号から直接R-ピークの検出を可能にし,手作業特徴を抽出する必要性を除外する。SeismoNetを公的に利用可能なCEBSデータセットでモデル化し,それぞれ0.98と0.98の高い全感度と正の予測値を達成した。【JST・京大機械翻訳】

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

循環系の診断 , 生体計測 , 生体遠隔測定

, , , , , ,

前のページに戻る