文献

J-GLOBAL ID：202202223802742717   整理番号：22A0842498

自己注意と残存構造畳込みニューラルネットワークに基づくプロポフォール麻酔深度モニタリング【JST・京大機械翻訳】

Propofol Anesthesia Depth Monitoring Based on Self-Attention and Residual Structure Convolutional Neural Network

著者 (7件)： Wang Yachao (Dept. Anesthesiol, First People’s Hospital Xiaoshan, Hangzhou, Zhejiang, China) ,  Zhang Hui (Dept. Anesthesiol, First People’s Hospital Xiaoshan, Hangzhou, Zhejiang, China) ,  Fan Ying (Department of Anesthesiology, Shulan (Hangzhou) Hospital Affiliated to Zhejiang Shuren University Shulan International, China) ,  Ying Peng (Department of Anesthesiology, Shulan (Hangzhou) Hospital Affiliated to Zhejiang Shuren University Shulan International, China) ,  Li Jun (Department of Anesthesiology, Shulan (Hangzhou) Hospital Affiliated to Zhejiang Shuren University Shulan International, China) ,  Xie Chenyao (Dept. Anesthesiol, First People’s Hospital Xiaoshan, Hangzhou, Zhejiang, China) ,  Zhao Tingting (Department of Anesthesiology, Shulan (Hangzhou) Hospital Affiliated to Zhejiang Shuren University Shulan International, China)
資料名： Computational and Mathematical Methods in Medicine (Web)  (Computational and Mathematical Methods in Medicine (Web))
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： U7693A  ISSN： 1748-670X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 背景と目的。CNN+EEG指数値を選択する新しい方法を研究するために,畳込みニューラルネットワークの自己注意と残留構造に基づいて,プロポフォール麻酔を深く監視する。方法.9つの指数値を比較し,CNN+EEGを選択し,BIS指数と良い相関があり,モデルのパラメータを同定する麻酔状態観察指数として,自己注意と二重構造畳込みニューラルネットワークに基づくモデルを確立した。93群の患者のデータを選択し,ランダムに3つの部分に分けた:訓練セット,検証セットおよび試験セット,およびBISによって予測された最良および最悪結果を比較した。結果.最良の結果は,試験セットに関するBLS予測のモデルの精度が全体的に上昇傾向を持ち,最終的に90%以上に達することである。全体の誤差は徐々に減少し,最終的にゼロに近づく。最悪の結果は,試験セットに関するBIS予測のモデルの精度が全体的上昇傾向を有するということであった。精度率は大きな変動なしに比較的安定であるが,最終精度率は70%以上である。結論.深層学習法CNNアルゴリズムによるBIS指標の予測は,統計において良い結果を示す。Copyright 2022 Yachao Wang et al. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  バックグラウンド ,  二重構造 ,  *ニューラルネットワーク ,  *麻酔 ,  モデル ,  患者 ,  指数 ,  機械学習 ,  フェノール類
準シソーラス用語： *麻酔深度モニタ ,  深層学習 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (3件)： 人工知能  (JE08000Z) ,  燃焼理論  (XE04020H) ,  基礎麻酔学  (GC05012O)

物質索引 (1件)： プロポフォール

引用文献 (28件)：

• D. Kai li, Clinical observation of short-term memory and attention after awakening patients under intravenous anesthesia, vol. 3, Wannan Medical College, 2020.
• F. Jianhua, "Observation of nausea and vomiting in general anesthesia patients in the anesthesia recovery room and resuscitation nursing countermeasures," Chinese Community Physician, vol. 34, no. 13, pp. 154-155, 2018.
• "Detrimental effects of general anaesthesia on young primates: are we closer to understanding the link?," British Journal of Anaesthesia, vol. 126, no. 3, pp. 575-577, 2021.
• Y. Yi feng, F. Zhidong, "The application research progress of anesthesia depth monitoring indicators in perioperative anesthesia," Modern Medicine and Health, vol. 37, no. 12, pp. 2026-2029, 2021.
• D. Qiu, Y. Cheng, X. Wang et al., "Gradual back-projection residual attention network for magnetic resonance image super-resolution," Computer Methods and Programs in Biomedicine, vol. 208, article 106252, 2021.

タイトルに関連する用語 (5件)： 自己 ,  注意 ,  畳込みニューラルネットワーク ,  プロポフォール ,  麻酔深度モニタリング