文献

J-GLOBAL ID：202202260464432251   整理番号：22A0563100

患者間自動不整脈分類:体重カプセルの新しいアプローチと配列組合せへの配列【JST・京大機械翻訳】

Inter-patient automated arrhythmia classification: A new approach of weight capsule and sequence to sequence combination

著者 (8件)： Li Xiangkui (West China Biomedical Big Data Center, West China Hospital, Sichuan University, 37 Guoxue Alley, Chengdu 610041, China) ,  Zhang Jian (West China Biomedical Big Data Center, West China Hospital, Sichuan University, 37 Guoxue Alley, Chengdu 610041, China) ,  Chen Wei (West China Biomedical Big Data Center, West China Hospital, Sichuan University, 37 Guoxue Alley, Chengdu 610041, China) ,  Chen Wei (Department of Neurosurgery, West China Hospital, Sichuan University, 37 Guoxue Alley, Chengdu 610041, China) ,  Chen Yilong (West China Biomedical Big Data Center, West China Hospital, Sichuan University, 37 Guoxue Alley, Chengdu 610041, China) ,  Zhang Chao (West China Biomedical Big Data Center, West China Hospital, Sichuan University, 37 Guoxue Alley, Chengdu 610041, China) ,  Xiang Wei (Key Laboratory of Electronic and Information Engineering of the State Ethnic Affair Commission, Southwest Minzu University, Chengdu 610041, China) ,  Li Dong (Division of Hospital Medicine, Emory School of Medicine, 201 Dowman Dr, Atlanta, GA 30322, United States)
資料名： Computer Methods and Programs in Biomedicine  (Computer Methods and Programs in Biomedicine)
巻： 214  ページ： Null  発行年： 2022年 
JST資料番号： D0213C  ISSN： 0169-2607  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アイルランド (IRL)  言語： 英語 (EN)

抄録/ポイント： これまでの研究における深い畳み込みネットワークにおける情報損失を補償する新しいカプセルネットワークを提案し,不整脈分類の性能を改善した。著者らは,不整脈を分類するために配列対配列(Seq2Seq)モデリングと組み合わせた重量カプセルネットワークを使用する革新的重量カプセルモデルを提案し,このアプローチの性能を探った。MIT-BIH不整脈データベースに基づいて,サンプルに対するデータ増強とバランスのない以前の研究と比較してより良い結果を得た。特定の性能は次の通りであった。精度(ACC)=99.85%;クラスN:感度(SEN)=99.66%,陽性予測値(PPV)=99.97%,特異性(SPEC)=99.72%;クラスS:SEN=99.56%,PPV=92.23%,SPEC=99.68%;クラスV:SEN=99.97%,PPV=99.38%,PPV=99.96%;クラスF:SEN=93.81%,PPV=100.00%,SPEC=100.00%。訓練サンプルの半分だけを使用したとき,方法は,クラスVとFの平均精度と感度が,全体の訓練サンプルを使用する従来の機械学習アルゴリズムより,それぞれ1.57%,2.01%と1.55%高いことを示した。不整脈の分野におけるSeq2Seqモデルと組み合わせた重量カプセルネットワークの適用は,効果的にカテゴリー間サンプル不均衡の問題を軽減するだけでなく,不整脈分類も改善する。本研究は,医学分野における小サンプルサイズとカテゴリー間サンプル不均衡の問題を解決する新しいアイデアを示唆した。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： 畳込み ,  カテゴリー ,  データベース ,  ネットワーク ,  分類 ,  カプセル ,  *不整脈 ,  医学 ,  学習アルゴリズム
準シソーラス用語： 不均衡 ,  特異性 ,  予測値 ,  データ損失 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 不整脈分類 ,  データ不均衡 ,  深層学習 ,  改良型重量カプセル

分類 (4件)： 生体計測  (EL03020C) ,  医用情報処理  (JE15030Q) ,  循環系の診断  (GJ02000V) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 患者 ,  不整脈 ,  分類 ,  体重 ,  カプセル ,  組合せ