文献

J-GLOBAL ID：202202290499014329   整理番号：22A0463982

心電図に基づく特徴と性格特性の関係:機械学習アプローチ【JST・京大機械翻訳】

Relationship between electrocardiogram-based features and personality traits: Machine learning approach

著者 (6件)： Boljanic Tanja (School of Electrical Engineering, University of Belgrade, Belgrade, Serbia) ,  Boljanic Tanja (Tecnalia Serbia Ltd., Belgrade, Serbia) ,  Miljkovic Nadica (School of Electrical Engineering, University of Belgrade, Belgrade, Serbia) ,  Lazarevic Ljiljana B. (Institute of Psychology and Laboratory for Research of Individual Differences, University of Belgrade, Belgrade, Serbia) ,  Knezevic Goran (Department of Psychology and Laboratory for Research of Individual Differences, Faculty of Philosophy, University of Belgrade, Belgrade, Serbia) ,  Milasinovic Goran (Faculty of Medicine, University of Belgrade, Belgrade, Serbia)
資料名： Annals of Noninvasive Electrocardiology  (Annals of Noninvasive Electrocardiology)
巻： 27  号： 1  ページ： e12919  発行年： 2022年 
JST資料番号： W2493A  ISSN： 1082-720X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 背景:ヒト感情と標準表面心電図(ECG)の間の既知の関係に基づいて,著者らは,ECGベースの特徴から学習し,自動ソフトウェアアルゴリズムを採用することによって適切な人格特性を予測する機械学習(ML)アプローチを用いて,緩和中に記録された標準ECGから抽出した特徴と7つの人格特性(Honety/humity,Emotionality,eXtraversion,Agreebility,Consciences,Openness,およびDisintegration)の間の関係を調査した。方法:合計71人の健康な大学生が本研究に参加した。各ECG記録に対する62のECGベースパラメータ(心拍数変動,時間及び振幅ベースパラメータ)の定量化のために,著者らは公的に利用可能なデータとコードと共に計算手順を使用した。62のパラメータの中で,34は臨床診療におけるそれらの診断的関連性に従って別々の特徴に分離された。人格特性分類に及ぼす特徴影響を調査して,分類を実行するために,著者らはランダム森林MLアルゴリズムを使用した。結果:臨床的に関連するECG特徴を用いた分類精度は,Discontegration(81.3%)およびHonety/humility(75.0%)および中等度から高(73.3%)および中等度から高(70%)であり,一方,それは,Agreeable(56.3%),eXtraversion(47.1%)およびEmotionality(43.8%)に対して低かった。すべての計算した特徴を使用したとき,分類精度は,eXtraversion(52.9%)を除いて,同じかそれ以下であった。選択した特徴に対する相関分析を示した。結論:結果は,臨床的に関連する特徴が人格形質予測に適用できるかもしれないが,パラメータの選択グループ間では顕著な差は見られなかった。確立された関係の生理学的関連性をさらに調査する必要がある。Copyright 2022 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *心電図 ,  ヒト ,  緩和現象 ,  大学生 ,  *機械学習
準シソーラス用語： 相関分析 ,  心拍数変動性 ,  分類精度 ,  ランダムフォレスト , 【Automatic Indexing@JST】

著者キーワード (6件)： 崩壊 ,  ECG ,  HEXACO ,  機械学習 ,  人格特性 ,  ランダムフォレスト

分類 (1件)： 生体計測  (EL03020C)

タイトルに関連する用語 (3件)： 心電図 ,  性格特性 ,  機械学習