文献

J-GLOBAL ID：202202265337354741   整理番号：22A1170214

深層学習アプローチに基づく心室期外収縮認識【JST・京大機械翻訳】

Premature Ventricular Contraction Recognition Based on a Deep Learning Approach

著者 (2件)： Sarshar Nazanin Tataei (Department of Engineering, Islamic Azad University Tehran North Branch, Tehran, Iran) ,  Mirzaei Mohammad (Department of Electrical and Computer Engineering, Islamic Azad University Tehran North Branch, Tehran, Iran)
資料名： Journal of Healthcare Engineering (Web)  (Journal of Healthcare Engineering (Web))
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： U7772A  ISSN： 2040-2295  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 心電図信号(ECG)は,心臓疾患を診断するために使用される重要な生物学的シグナルと考えられている。ECGシグナルは,ヒト心筋の循環収縮と弛緩の実証を可能にする。この信号は,心臓に関連した実際の生命脅威を認識するために使用される一次で非侵襲的ツールである。異常なECG心拍と不整脈は,死亡につながる重篤な心疾患の可能性のある症状である。未熟心室収縮(PVC)は,心臓の下部室から始まる最も一般的な不整脈の1つであり,患者のすべての活動に影響する心停止,触診および他の症状を引き起こす可能性がある。今日,コンピュータ支援技術は,心臓不整脈と心臓病を自動的に評価するための医師の負担を低減する。本研究では,MIT-BIH不整脈データベースを用いた深層学習アプローチに基づくPVC認識を提案した。最初に,3つの形態学的特徴(RS振幅,QRS幅)と7つの統計的特徴を含む10の心拍と統計的特徴を各信号に対して計算した。これらの特徴の抽出プロセスは,特徴ベクトルを生成する20sのECGデータに対して行った。次に,これらの特徴を畳み込みニューラルネットワーク(CNN)に供給し,ユニークなパターンを見出し,それらをより効果的に分類した。得られた結果は,このパイプラインが診断性能をより効果的に改善することを証明した。Copyright 2022 Nazanin Tataei Sarshar and Mohammad Mirzaei. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： データベース ,  心臓 ,  心電図 ,  心筋 ,  *心室 ,  心拍 ,  ヒト ,  不整脈 ,  心臓病 ,  患者 ,  心停止
準シソーラス用語： *心室性期外収縮 ,  QRS間隔 ,  特徴ベクトル ,  非侵襲 , 【Automatic Indexing@JST】

分類 (5件)： 循環系の診断  (GJ02000V) ,  看護,看護サービス  (GB07000G) ,  心臓  (EJ04020D) ,  生体計測  (EL03020C) ,  循環系疾患の治療一般  (GJ05010B)

引用文献 (44件)：

• Cardiovascular diseases (CVDs), 2021, https://www who int/news-room/fact-sheets/detail/cardiovascular-diseases-(cvds).
• D. P. Zipes, "[Guidelines for management of patients with ventricular arrhythmias and the prevention of sudden cardiac death. Executive summary]," Revista Espanola de Cardiologia, vol. 59, no. 12, pp. 1328, 2006.
• D. Nabil, F. Bereksi Reguig, "Ectopic beats detection and correction methods: a review," Biomedical Signal Processing and Control, vol. 18, pp. 228-244, 2015.
• R. S. Andersen, A. Peimankar, S. Puthusserypady, "A deep learning approach for real-time detection of atrial fibrillation," Expert Systems with Applications, vol. 115, pp. 465-473, 2019, https://www.sciencedirect.com/science/article/abs/pii/S0957417418305190.
• K. Ranjeet, A. Kumar, R. K. Pandey, "An efficient compression system for ECG signal using QRS periods and CAB technique based on 2D DWT and Huffman coding," Proceedings of the 2013 International Conference on Control, Automation, Robotics and Embedded Systems (CARE), Jabalpur, India, December 2013.

タイトルに関連する用語 (2件)： 深層学習 ,  心室期外収縮