文献

J-GLOBAL ID：202202283511822886   整理番号：22A0082080

機械学習技術を用いたフォトプレチスモグラフィーのリアルタイムマルチクラス信号品質評価【JST・京大機械翻訳】

Real-time multi-class signal quality assessment of photoplethysmography using machine learning technique

著者 (3件)： Prasun Pratyush ( Institute of Radio Physics and Electronics, University of Calcutta, Kolkata, India) ,  Mukhopadhyay Sumitra ( Institute of Radio Physics and Electronics, University of Calcutta, Kolkata, India) ,  Gupta Rajarshi ( Electrical Engineering, Department of Applied Physics, University of Calcutta, Kolkata, India)
資料名： Measurement Science and Technology  (Measurement Science and Technology)
巻： 33  号： 1  ページ： 015701 (9pp)  発行年： 2022年 
JST資料番号： C0354C  ISSN： 0957-0233  CODEN： MSTCEP  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： 写真撮影(PPG)信号品質評価(SQA)は,心拍数,SpO_2,血圧,心臓拍出量,および多くのより,また,歩行測定における偽のアララムの減少のような,様々な代用心血管測定の改善された測定を確実にする。PPG SQA(PSQA)はよく研究されている領域であるが,信号品質のマルチクラス予測とそのハードウェア実装は限られている。本論文では,マルチクラスPSQAのための新しい非セグメンテーションアプローチを,クリーンで,部分的にクリーンで崩壊したPPGデータを同定するために,教師つき分類器と組み合わせた7つの時間周波数領域特徴の最適集合を用いて提示した。本研究は,ランダムフォレスト分類器を用いた3つの主要段階信号(データセット)取得,特徴抽出および3クラス分類において実施した。この技法をボランティアのデータ,PhysioNetからのMIMIC-IIIデータ,CSLデータ,および複合データで評価し,良好な(0.98またはそれ以上)感度,特異性,F1スコア,精度および再現率を有する96.8%の総合平均精度を達成した。提案したPSQAのオンデバイス実装は,1GB RAMベーススタンドアロンデバイスによってサポートされ,97.09%の精度で,1.2GHzの4コアブロードコムBCM2837コントローラ上で,7.2hのPPGデータセットを用いて達成された。実装の待ち時間とピークメモリ要求は,それぞれ3s PPGデータを処理するために0.81sと19kBであった。本技術はウェアラブルセンサを用いた遠隔医療システムの一部として統合できる。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 制御装置 ,  血圧 ,  特徴抽出 ,  心拍 ,  写真撮影 ,  心臓拍出量 ,  循環系 ,  *待ち時間 ,  ボランティア ,  周波数領域
準シソーラス用語： *フォトプレチスモグラフィー ,  *品質評価 ,  ウェアラブルセンサ ,  特異性 ,  ランダムフォレスト , 【Automatic Indexing@JST】

分類 (1件)： 流体の実験・試験・測定方法及び装置  (BC01020K)

タイトルに関連する用語 (3件)： 機械学習技術 ,  フォトプレチスモグラフィー ,  品質評価