文献

J-GLOBAL ID：202202249010719055   整理番号：22A0778726

脳波に基づくてんかん発作状態認識のための機械学習アルゴリズムの評価【JST・京大機械翻訳】

Evaluation of Machine Learning Algorithms for Electroencephalography-Based Epileptic Seizure State Recognition

著者 (3件)： Patel Vibha (Department of Computer Engineering, C. G. Patel Institute of Technology, UTU, Bardoli, Gujarat, India) ,  Tailor Jaishree (Shrimad Rajchandra Institute of Management and Computer Application (SRIMCA), UTU, Bardoli, Gujarat, India) ,  Ganatra Amit (Department of Computer Engineering, DEPSTAR, Charotar University of Science and Technology(CHARUSAT), Anand, Gujarat, India)
資料名： Advances in Intelligent Systems and Computing  (Advances in Intelligent Systems and Computing)
巻： 1413  ページ： 35-48  発行年： 2022年 
JST資料番号： W5075A  ISSN： 2194-5357  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： てんかん発作は,てんかんの人々が異常な行動,感覚および時々意識消失を示す異常な脳活動によって引き起こされる。発作状態の認識は,てんかん発作とより良い治療の予測を助けることができた。脳波(EEG)は,脳の電気的活動を記録するために一般的に用いられている。EEGはEEGデータ信号の発作状態を同定することによりてんかん発作の予測に使用できる。ここで提示した研究は,発作の状態を認識するための特徴抽出法の使用と使用なしの従来の機械学習アルゴリズムの性能の比較に焦点を当てた。k-最近傍,ディシジョンツリー,GaussナイーブBayes,多層パーセプトロン,二次判別分析,ランダムフォレスト,およびサポートベクトルマシンなどの標準伝統的機械学習アルゴリズムを,てんかん発作状態の分類に使用した。比較分析に用いた様々な性能評価パラメータは,精度,感度,特異性,精度,偽陽性率,F1スコア,S1スコア,ROC曲線下面積であった。Bonn大学の標準データセットを用いて実験を行った。本研究は,特徴抽出手法がEEGベースてんかん発作状態認識問題における機械学習分類器の性能を改善することを証明した。ランダムフォレストおよびGaussナイーブBayesは,二値および三成分分類手法を考慮した他のすべての分類器より優れていた。Copyright The Author(s), under exclusive license to Springer Nature Singapore Pte Ltd. 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *脳波 ,  *脳 ,  特徴抽出 ,  *てんかん ,  ディシジョンツリー ,  *発作 ,  多層パーセプトロン ,  血中濃度-時間曲線下面積 ,  *機械学習 ,  *学習アルゴリズム ,  サポートベクトルマシン
準シソーラス用語： *てんかん性発作 ,  脳活動 ,  ランダムフォレスト ,  偽陽性率 , 【Automatic Indexing@JST】

著者キーワード (6件)： 機械学習 ,  深層学習 ,  EEG ,  てんかん ,  発作検出 ,  発作予測

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 (5件)： 脳波 ,  てんかん発作 ,  機械学習 ,  アルゴリズム ,  評価