文献

J-GLOBAL ID：202202251929253502   整理番号：22A1163512

てんかん様放電下の多次元特徴最適化に基づく瞬目検出【JST・京大機械翻訳】

Multidimensional Feature Optimization Based Eye Blink Detection Under Epileptiform Discharges

著者 (7件)： Wang Meng (Machine Learning and I-Health International Cooperation Base of Zhejiang Province and the Artificial Intelligence Institute, Hangzhou Dianzi University, Hangzhou, China) ,  Wang Jianhui (Machine Learning and I-Health International Cooperation Base of Zhejiang Province and the Artificial Intelligence Institute, Hangzhou Dianzi University, Hangzhou, China) ,  Cui Xiaonan (Machine Learning and I-Health International Cooperation Base of Zhejiang Province and the Artificial Intelligence Institute, Hangzhou Dianzi University, Hangzhou, China) ,  Wang Tianlei (Machine Learning and I-Health International Cooperation Base of Zhejiang Province and the Artificial Intelligence Institute, Hangzhou Dianzi University, Hangzhou, China) ,  Jiang Tiejia (Department of Neurology, The Children’s Hospital, Zhejiang University School of Medicine, National Clinical Research Center for Child Health, Hangzhou, China) ,  Gao Feng (Department of Neurology, The Children’s Hospital, Zhejiang University School of Medicine, National Clinical Research Center for Child Health, Hangzhou, China) ,  Cao Jiuwen (Machine Learning and I-Health International Cooperation Base of Zhejiang Province and the Artificial Intelligence Institute, Hangzhou Dianzi University, Hangzhou, China)
資料名： IEEE Transactions on Neural Systems and Rehabilitation Engineering  (IEEE Transactions on Neural Systems and Rehabilitation Engineering)
巻： 30  ページ： 905-914  発行年： 2022年 
JST資料番号： W0560A  ISSN： 1534-4320  CODEN： ITNSB3  資料種別： 逐次刊行物 (A)
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： 目的:てんかん患者の頭皮脳波(EEG)における眼底アーチファクト検出は,てんかん様放電と類似の波形により困難である。正確な検出法の開発は緊急で重要である。方法:本論文では,豊富なてんかん様放電を含むEEGのための,新しい多次元特徴最適化に基づく眼瞬目アーチファクト検出アルゴリズムを提案した。平滑化非線形エネルギー演算子(SNEO)と変分モード抽出(VME)に基づく教師なしクラスタリングアルゴリズムを提案して,正面リードにおけるてんかん状放電を検出した。次に,改良型VME(IVME)閾値と組み合わせた前額電極(FP1とFP2チャネル)から抽出した多次元時間/周波数EEG特徴をEEG表現のために導いた。さらに,分散フィルタリング法を識別特徴選択に適用し,機械学習モデルを最終的に学習して検出を行う。【結果】Zhejiang大学医学部(CHZU)の小児病院からの16人の被験者のEEGに関する実験は,著者らの方法が,それぞれ95.04,89.52,および93.01の最も高い平均感度,特異性,および精度を達成することを示す。それは,5つの最近と最先端の(SOTA)眼瞬目検出アルゴリズムより優れている。意義:提案方法は,高周波てんかん様放電を含むEEGのための眼瞬目アーチファクト検出においてロバストである。それは,通常の方法で無視されるEEGにおける個人差を扱うのにも有効である。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： アルゴリズム ,  *最適化 ,  変分法 ,  *放電 ,  フィルタリング ,  *てんかん ,  平滑化 ,  検出法 ,  モード ,  *高次元 ,  *生体反射 ,  ロバスト性 ,  アーチファクト ,  機械学習
準シソーラス用語： *瞬目 ,  被験者 , 【Automatic Indexing@JST】

分類 (1件)： 生体計測  (EL03020C)

タイトルに関連する用語 (5件)： てんかん ,  放電 ,  多次元 ,  最適化 ,  瞬目