文献

J-GLOBAL ID：202202271384071746   整理番号：22A0918656

教師-学生知識蒸留による最小精度損失による12誘導ECG信号から単一リードECGへの不整脈分類を低減するための新規方法【JST・京大機械翻訳】

A novel method for reducing arrhythmia classification from 12-lead ECG signals to single-lead ECG with minimal loss of accuracy through teacher-student knowledge distillation

著者 (2件)： Sepahvand Majid (Department of Computer Engineering and Information Technology, Razi University, Kermanshah, Iran) ,  Abdali-Mohammadi Fardin (Department of Computer Engineering and Information Technology, Razi University, Kermanshah, Iran)
資料名： Information Sciences  (Information Sciences)
巻： 593  ページ： 64-77  発行年： 2022年 
JST資料番号： D0636A  ISSN： 0020-0255  CODEN： ISIJBC  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： マルチリード心電図(ECG)信号により開発された深層学習モデルは,コンピュータシステム上の不整脈の自動検出のための主要な方法と考えられている。しかし,入力信号の振幅により,これらのモデルは実用のために多くのパラメータを生成する。したがって,それらは医療用物(IoMT)のインターネットの新しく出現した技術において,限られた計算資源を有するデバイスにはほとんど使用されていない。本論文では,知識蒸留を用いて,マルチリードECG信号による不整脈分類モデルと,性能低下を最小化することによる単一誘導ECG信号による不整脈分類モデルの間のギャップを橋渡しするための方法を提案した。提案方法は,先進アーキテクチャを有する教師モデルと簡単なアーキテクチャを有する学生モデルから成る。教師モデルはマルチリードECG信号を通して既に開発されたが,学生モデルは教師の監視の下で単一リード信号を通して開発された。その単純さにもかかわらず,学生モデルは,開発プロセスにおける教師の挙動を模倣することによって,教師からマルチリードECG信号の暗知識を受ける。結果に従って,学生モデルは,その教師よりおよそ262.18倍圧縮された。さらに,学生は,10646人の患者でChapman ECGでおよそ0.81%の精度低下を経験した。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： 圧縮 ,  検出 ,  計算機システム ,  分類 ,  *蒸留 ,  誘導 ,  *心電図 ,  精度 ,  *不整脈 ,  計算機アーキテクチャ ,  インターネット ,  機械学習
準シソーラス用語： 自動検出 ,  性能劣化 ,  計算資源 ,  分類モデル ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 不整脈分類 ,  心電図リード低減 ,  深層学習 ,  知識蒸留 ,  軽量分類

分類 (1件)： 生体計測  (EL03020C)

タイトルに関連する用語 (10件)： 教師 ,  学生 ,  知識蒸留 ,  損失 ,  誘導 ,  ECG信号 ,  リード ,  ECG ,  不整脈 ,  分類