文献

J-GLOBAL ID：202202224133217506   整理番号：22A0443373

新しいGauss支援信号平滑化とパターン認識を用いた心電図信号からの不整脈の検出【JST・京大機械翻訳】

Detection of arrhythmia from electrocardiogram signals using a novel gaussian assisted signal smoothing and pattern recognition

著者 (4件)： Chandrasekar Aditya (National Institute of Technology, Karnataka, Surathkal, India) ,  Shekar Dhanush D. (National Institute of Technology, Karnataka, Surathkal, India) ,  Hiremath Abhishek C. (National Institute of Technology, Karnataka, Surathkal, India) ,  Chemmangat Krishnan (National Institute of Technology, Karnataka, Surathkal, India)
資料名： Biomedical Signal Processing and Control  (Biomedical Signal Processing and Control)
巻： 73  ページ： Null  発行年： 2022年 
JST資料番号： W3347A  ISSN： 1746-8094  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： 心電図は個々の心臓条件に対して広く用いられている測定であり,機械学習を用いた自動不整脈診断に多くの努力が払われてきた。しかし,分類性能は,従来の機械学習モデルと組み合わせたより少ない代表データの利用によって妨げられる。本論文では,Gauss支援信号平滑化により,生心電図信号を前処理するための新しいアルゴリズムを提案した。この方法では,ECG信号を低パス成分とGaussの加重和としてモデル化した。Gaussを用いて,信号のピーク特性をモデル化し,雑音を除去しながらその構造と形態を効果的に保存し,GASS信号のピーク信号対雑音比の増強によって明白である。Pan Tompkinsアルゴリズムから得られたRピークを用いて,窓法を用いてフィルタ信号から心拍を抽出した。次に,畳込みニューラルネットワークと二次サポートベクトルマシンのカスケード組合せを用いて,心拍を分類した。CNNモデルは131661のパラメータを持ち,以前報告された研究よりも遥かに軽くなった。MIT-BIH不整脈データベースを著者らの実験に使用した。11のクラスを通して,結果は,モデルが97.63%の精度と0.9263の平均F1スコアを有することを明らかにした。対照的に,以前の研究は,主に1対全または5クラス分類に焦点を当てた。信号処理の観点から,提案方法は信号フィルタリングと不整脈分類のための有望な解決策を提供する。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： アルゴリズム ,  雑音 ,  *パターン認識 ,  データベース ,  心臓 ,  *心電図 ,  信号処理 ,  フィルタリング ,  心拍 ,  *不整脈 ,  *平滑化 ,  機械学習 ,  サポートベクトルマシン
準シソーラス用語： ピーク信号対雑音比 ,  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)： 不整脈検出 ,  ECG信号 ,  新しいフィルタリング ,  Gauss支援信号平滑化 ,  畳込みニューラルネットワーク ,  サポートベクトルマシン

分類 (1件)： 生体計測  (EL03020C)

タイトルに関連する用語 (5件)： 支援 ,  平滑化 ,  パターン認識 ,  心電図信号 ,  不整脈