文献

J-GLOBAL ID：202202251747155703   整理番号：22A1104693

生体インピーダンス測定とニューラルネットワークに基づく肺容積推定【JST・京大機械翻訳】

Lung Volume Estimation based on Bioimpedance Measurement and Neural Network

著者 (4件)： Khumwa Nawapat (Srinakharinwirot University, Ongkharak,Faculty of Engineering,Department of Biomedical Engineering,Nakhonnayok,Thailand) ,  Thongkhun Koranis (Srinakharinwirot University, Ongkharak,Faculty of Engineering,Department of Biomedical Engineering,Nakhonnayok,Thailand) ,  Maneerat Siriyakorn (Srinakharinwirot University, Ongkharak,Faculty of Engineering,Department of Biomedical Engineering,Nakhonnayok,Thailand) ,  Ouypornkochagorn Taweechai (Srinakharinwirot University, Ongkharak,Faculty of Engineering,Department of Biomedical Engineering,Nakhonnayok,Thailand)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： iEECON  ページ： 1-4  発行年： 2022年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 肺容積は,肺の健康な方法を評価するために使用される指標である。高価な装置の使用とは別に,肺容積は,胸部周辺のいくつかの領域で測定した生体インピーダンスによって決定することができる。生体インピーダンス値は,通常,電気インピーダンストモグラフィー(EIT)技術により使用され,いくつかの生体インピーダンス値を伝導率分布の画像に変換する。EITは安価であり,リアルタイムで肺をモニターするのに使用できる。しかし,EITは計算高価であり,肺容積を直接提供できない。本研究では,ニューラルネットワーク技術を用いて,EITで使用される生体インピーダンス値を用いて左および右肺容積を推定した。2つのネットワークアーキテクチャをシミュレーションによって研究した。結果は,ニューラルネットワークが0.78ml未満の誤差で肺体積を効率的に推定でき,0.99以上の相関で,効果的に肺容積を推定できることを示した。40dBの信号対ノイズ比の度合にノイズを加えることさえ,性能はまだ満足のいくものであった。2層ネットワークアーキテクチャもこの肺応用に十分であった。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： SN比 ,  雑音 ,  *ニューラルネットワーク ,  ネットワークアーキテクチャ
準シソーラス用語： 電気インピーダンストモグラフィー ,  *生体インピーダンス ,  実時間 ,  低価格 ,  二層 ,  伝導率 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 生体インピーダンス ,  ニューラルネットワーク ,  肺 ,  容積 ,  推定