文献

J-GLOBAL ID：202202288558580331   整理番号：22A1057699

EEG信号を用いた脳腫瘍検出のためのディープニューラルネットワークによるミバエ最適化【JST・京大機械翻訳】

Fruitfly optimizer with deep neural network for the detection of brain tumours using EEG signals

著者 (4件)： Sharma Ruchi (Department of Electronics and Communication Engineering, Bharati Vidyapeeth College of Engineering, Delhi, India) ,  Arora Charu (Department of Applied Sciences, Bharati Vidyapeeth College of Engineering, Delhi, India) ,  Rehalia Arvind (Department of Information Technology, Bharati Vidyapeeth College of Engineering, Delhi, India) ,  Bhardwaj Anil (Shri Mata Vaishno Devi University, Katra, Jammu & Kashmir, India)
資料名： Journal of Information and Optimization Sciences  (Journal of Information and Optimization Sciences)
巻： 43  号： 1  ページ： 63-70  発行年： 2022年 
JST資料番号： W5959A  ISSN： 0252-2667  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： 現在,脳シグナルは,MRI,FMRI,CT SCANおよびEEGのような様々な技術によって記録される。本研究では,EEG技術を用いて脳信号を記録した。脳腫瘍の検出に広く使用されている一般的な技術である。本研究の動機は脳腫瘍の変化を調べることである。ここでは,EEG記録の2つの異なるデータベースを考察した。Bern Barcelona(BB)とBonn大学(BU)。Butterworthフィルタを適用して,EEG信号からアーチファクトを取り出す。分解技術を用いて雑音除去EEG信号を分解した。分解のこの技術は,マルチファリック時系列データの完全なモデリングのために必要な情報を決定するのに役立つ。このショウジョウバエ最適化器を用いて,主なデータ信号から特徴を抽出した。最後に,データを,1つは発作で,もう1つは健康である2つの異なる環境に分類した。実験シミュレーションから,提案モデルは,以前のモデルと比較して,より良い精度を持った。精度が5.49%,感度が5%,特異性が6%,陽性予測値が約4%であった。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： *最適化 ,  シミュレーション ,  データベース ,  脳波 ,  Butterworthフィルタ ,  *脳腫瘍 ,  モデリング ,  ショウジョウバエ ,  発作 ,  アーチファクト ,  雑音除去
準シソーラス用語： 時系列データ ,  予測値 ,  *脳波信号 ,  *ディープニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： Butterworthフィルタ ,  深層ニューラルネットワーク ,  ミバエの最適化 ,  脳腫瘍 ,  多変量変分モード分解

分類 (1件)： 生体計測  (EL03020C)

タイトルに関連する用語 (4件)： EEG信号 ,  脳腫瘍 ,  ディープニューラルネットワーク ,  最適化