文献

J-GLOBAL ID：202202292819199361   整理番号：22A1058655

IoTウェアラブル医療機器を用いた心臓病診断のための最適特徴選択で支援された深い信念ネットワークの新しい変異体【JST・京大機械翻訳】

A new variant of deep belief network assisted with optimal feature selection for heart disease diagnosis using IoT wearable medical devices

著者 (2件)： Aliyar Vellameeran Fathima (Department of Computer Applications, College of Engineering, Vadakara, Kerala, India) ,  Brindha Thomas (Department of Information Technology, Noorul Islam Centre for Higher Education, Thuckalay, Kanyakumari, Tamil Nadu, India)
資料名： Computer Methods in Biomechanics and Biomedical Engineering  (Computer Methods in Biomechanics and Biomedical Engineering)
巻： 25  号： 4  ページ： 387-411  発行年： 2022年 
JST資料番号： W5824A  ISSN： 1025-5842  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： 本論文では,IoTウェアラブルデバイスを用いた心臓病に関連する情報を,公的に利用できる任意のベンチマークサイトから収集する。収集したデータによって,特徴抽出プロセスを最初に実行し,その中で,心拍数,ゼロ交差率,および標準偏差,中央値,歪度,尖度,分散,平均,ピーク振幅,およびエントロピーのような高次統計的特徴を抽出した。最も重要な特徴を得るために,最適特徴選択プロセスを実行した。新しい貢献として,特徴選択プロセスを,GWOとPSOを統合することによって,PS-GWOと呼ばれるハイブリッド最適化アルゴリズムによって行う。次に,抽出した特徴を,修正DBNという有名な深層学習アルゴリズムにかけ,その中で,隠れニューロンの活性化関数と数を,心臓診断精度を改善するために,同じ開発したハイブリッドアルゴリズムを用いて最適化した。分析から,テストケース1では,開発したPS-GWO-DBNの精度は,NN,KNN,SVM,およびDBNよりも60%,52.5%,35%,35%増加した。試験事例2では,提案したPS-GWO-DBNの精度は,NN,KNN,SVM,およびDBNよりも,それぞれ26%,24%,21.6%および17%増加した。設計したPS-GWO-DBNの精度は,NNより26%,KNNより24%,SVMより21.6%,試験ケース3でDBNより17%進歩した。したがって,PS-GWO-DBNを用いた提案した心臓疾患予測モデルは他の分類器よりも優れた性能を示した。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： エントロピー ,  最適化 ,  標準偏差 ,  ニューロン ,  *心臓 ,  特徴抽出 ,  心拍 ,  *特徴選択 ,  *心臓病 ,  ベンチマーク ,  学習アルゴリズム ,  予測モデル
準シソーラス用語： 尖度 ,  ウェアラブルデバイス ,  *モノのインターネット , 【Automatic Indexing@JST】

著者キーワード (5件)： 心臓病診断 ,  もののインターネット ,  最適特徴選択 ,  粒子スウォームベース灰色Wolf最適化 ,  深い信念ネットワーク

分類 (4件)： パターン認識  (JE07000S) ,  計算機網  (JC03000K) ,  データ保護  (JD01020V) ,  生体計測  (EL03020C)

タイトルに関連する用語 (9件)： IoT ,  ウェアラブル ,  医療機器 ,  心臓病 ,  診断 ,  特徴選択 ,  支援 ,  信念ネットワーク ,  変異体