文献

J-GLOBAL ID：202202244956498723   整理番号：22A1088941

生体信号からの呼吸速度を予測するための深層学習【JST・京大機械翻訳】

Deep learning for predicting respiratory rate from biosignals

著者 (5件)： Kumar Amit Krishan (State Key Laboratory of Intelligent Control and Decision of Complex Systems, School of Automation, Beijing Institute of Technology, Beijing, 100081, China) ,  Ritam M. (Department of Chemical Engineering, Indian Institute of Technology, Guwahati, Assam, India) ,  Han Lina (Department of Cardiovascular Internal Medicine of Second Medical Center, Chinese PLA General Hospital, Beijing, 100853, China) ,  Guo Shuli (State Key Laboratory of Intelligent Control and Decision of Complex Systems, School of Automation, Beijing Institute of Technology, Beijing, 100081, China) ,  Chandra Rohitash (Transitional Artificial Intelligence Research Group, School of Mathematics and Statistics, UNSW Sydney, Kensington, NSW, 2052, Australia)
資料名： Computers in Biology and Medicine  (Computers in Biology and Medicine)
巻： 144  ページ： Null  発行年： 2022年 
JST資料番号： E0858A  ISSN： 0010-4825  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： 過去10年間,深い学習モデルを,予測のために体センサーネットワークで使用されるバイオセンサーに適用した。この分野における最近の革新を考えると,新しいモデルの予測精度は生物信号に対して評価する必要がある。本論文では,呼吸速度予測のための深層学習モデルの性能を評価する。心電図(ECG),フォトプレチモグラム(PPG)データ,および表面筋電図(sEMG)データを含むバイオセンサーからの3つのデータセットを考察した。深層学習モデルは,長い短期メモリ(LSTM)ネットワーク,双方向LSTM(Bi-LSTM),LSTMの注意ベースバリアント,CNN-LSTMおよび畳込み-LSTMネットワークを含む。深層学習モデルを,32sと64sウィンドウである2つの別々の窓に対して評価した。モデルの性能を平均絶対誤差(MAE)を用いて評価した。64sウィンドウは32sウィンドウと比較してより正確な予測を有した。この結果は,Bahdanu注意を有するBi-LSTMがバイオ信号に対して最良の性能を有することを示した。LSTMはデータセットの1つで最良に機能し,0.70±0.02のMAEを得た。Bahdanau注意によるBi-LSTMは,sEMGベースのデータに対して0.51±0.03のMAEおよびPPGおよびECGベースのデータで0.24±0.03のMAEを有する3つのデータセットのうちの2つで最良の結果を示した。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： 記憶装置 ,  畳込み ,  学習モデル ,  データ ,  ネットワーク ,  心電図 ,  精度 ,  *生体信号 ,  バイオセンサ ,  *機械学習 ,  センサネットワーク
準シソーラス用語： 呼吸速度 ,  予測精度 ,  *深層学習 ,  平均絶対誤差 ,  長短期記憶 , 【Automatic Indexing@JST】

著者キーワード (5件)： 深層学習 ,  バイオシグナル ,  呼吸速度 ,  ECG ,  sEMG

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 生体信号 ,  呼吸速度 ,  予測 ,  深層学習