文献

J-GLOBAL ID：202202244732148480   整理番号：22A0067177

EEGデータからの異常検出のための深層学習ベースアプローチの開発【JST・京大機械翻訳】

Developing a Deep Learning Based Approach for Anomalies Detection from EEG Data

著者 (3件)： Alvi Ashik Mostafa (Victoria University, Melbourne, VIC, Australia) ,  Siuly Siuly (Victoria University, Melbourne, VIC, Australia) ,  Wang Hua (Victoria University, Melbourne, VIC, Australia)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 13080  ページ： 591-602  発行年： 2022年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
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： 脳波(EEG)は,脳研究,精神および脳疾患および疾患診断および治療における主要な役割に寄与する。伝統的マシン学習(TML)手法は,EEGデータから異常を同定する最近の努力の大部分で採用されている。しかし,それらの浅いアーキテクチャは,それらが正しく効率的に検出できない理由の1つである。さらに,これらのシステムは手動で判別特徴を供給する必要がある。これらの問題を克服するために,本研究では異常検出のための多層ゲート電流ユニット(GRU)を含むEEGデータ解析システムを開発した。提案した枠組みには4段階がある。(1)生EEGデータの収集,(2)データ前処理(雑音除去,セグメンテーション,ダウンサンプリング),(3)GRUベース方式を用いたEEGデータと分類の隠れた顕著な特徴,および(4)モデルの性能評価。提案モデルを公的に利用可能なEEGデータセットで試験し,精度の96.91%,感度の97.95%,特異性の96.16%,およびF1スコアの96.39%を達成した。本研究は,将来のバイオメディカル研究者と技術専門家を,EEGデータからの深層学習ベース自動異常検出システムに誘導する。Copyright Springer Nature Switzerland AG 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  セグメンテーション ,  脳波 ,  データ解析 ,  多層 ,  計算機アーキテクチャ ,  脳疾患 ,  性能評価 ,  雑音除去
準シソーラス用語： ダウンサンプリング ,  生物医学 ,  特異性 ,  異常検出 ,  データ前処理 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： ゲート付きリカレントユニット ,  EEG ,  深層学習 ,  データマイニング ,  軽度認知障害

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 (4件)： EEG ,  異常検出 ,  深層学習 ,  開発