文献

J-GLOBAL ID：202202263697460055   整理番号：22A0636652

STCT:心臓不整脈認識のための空間-時間収束-変換ネットワーク【JST・京大機械翻訳】

STCT: Spatial-Temporal Conv-Transformer Network for Cardiac Arrhythmias Recognition

著者 (5件)： Qiu Yixuan (University of Queensland, Brisbane, QLD, Australia) ,  Chen Weitong (University of Queensland, Brisbane, QLD, Australia) ,  Yue Lin (University of Queensland, Brisbane, QLD, Australia) ,  Xu Miao (University of Queensland, Brisbane, QLD, Australia) ,  Zhu Baofeng (Neusoft Research of Intelligent Healthcare Technology, Co Ltd., Shenyang, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 13087  ページ： 86-100  発行年： 2022年 
JST資料番号： H0078D  ISSN： 0302-9743  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： 心臓不整脈は,心臓活動の視覚表現である心電図(ECG)を用いて診断される。既存の方法はECG信号を注釈し,満足のいく結果を達成できる。しかし,それらは通常,認識モデルに供給する前に,個々の心拍を抽出することによりECG信号を事前ssessingすることが必要である。次に,データを,情報の損失につながる一次元信号として典型的に処理した。この文脈において,著者らは,生ECGデータを扱う変換器ベースの空間-一時的Conv-Transformor(STCT)ネットワークを提案する。STCTは,不規則な心拍のより正確な同定のために空間および時間情報を利用することにより,二次元特徴として生のECG信号を考慮する。さらに,このモデルは,特に関連し,残りをフィルターアウトする特徴空間の一部を同定し,STCT性能が強化できることを確認した。提案方法の有効性と効率を実証するために,4つの別々のオープンECGデータセット,MIT-BIH,EDB,AHA,およびNSTをベンチマーキングのために使用した。最後に,この方法は,精度の98.96%,99.29%,99.88%および99.13%を達成し,比較したとき,最先端の方法より優れていた。Copyright Springer Nature Switzerland AG 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *収束 ,  フィルタ ,  *ネットワーク ,  *心臓 ,  心電図 ,  心拍 ,  *不整脈 ,  認識 ,  モデル ,  二次元 ,  一次元 ,  認知モデル
準シソーラス用語： ベンチマーキング ,  特徴空間 ,  視覚表現 , 【Automatic Indexing@JST】

著者キーワード (4件)： ECG ,  深層学習 ,  RNN ,  心臓不整脈

分類 (2件)： 生体計測  (EL03020C) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (2件)： 心臓不整脈 ,  収束