文献

J-GLOBAL ID：201702224139220699   整理番号：17A0292539

多次元複雑度に基づく統合失調症の信号区分【JST・京大機械翻訳】

Multidimensional complexity measures for MEG signal classification of schizophrenia

著者 (4件)： Zhang Xuejun (School of Electronic Science and Engineering, Nanjing University of Posts and Telecommunications, Jiangsu Province Engineering Lab of RF Integration & Micropackage) ,  Peng Liyan (School of Electronic Science and Engineering, Nanjing University of Posts and Telecommunications) ,  Huang Liya (School of Electronic Science and Engineering, Nanjing University of Posts and Telecommunications, Jiangsu Province Engineering Lab of RF Integration & Micropackage) ,  Cheng Xiefeng (School of Electronic Science and Engineering, Nanjing University of Posts and Telecommunications, Jiangsu Province Engineering Lab of RF Integration & Micropackage)
資料名： Jisuanji Gongcheng yu Yingyong  (Jisuanji Gongcheng yu Yingyong)
巻： 52  号： 23  ページ： 12-18,24  発行年： 2016年 
JST資料番号： C2533A  ISSN： 1002-8331  CODEN： JGYYAT  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 脳磁図信号をより効果的に認識するために,多次元複雑性に基づく脳磁図信号分類法を提案した。まず第一に,ARモデルの係数,バンドエネルギー,近似エントロピー,およびLEMPEL-ZIV複雑度を抽出する。次に,L-R探索アルゴリズムと距離判定基準を用いてチャネルを選択した。最後に,遺伝的アルゴリズムを用いて特徴サブセットを選択し,それぞれBPニューラルネットワークとSVM分類器を用いて特徴サブセットの性能を検出し,信号分類を行った。実験結果により、統合失調症患者の近似エントロピーとLEMPEL-ZIV複雑度は健常者より高く、患者の脳磁図信号は更に複雑になる可能性があることが明らかになった。L減少R探索アルゴリズムによって選択されるチャネルは,主に側頭葉領域に分布しており,すなわち,側頭葉領域のチャネルは,より多くの差分情報を運ぶ可能性がある。BPニューラルネットワークとSVMを用いて特徴データを分類し,それぞれ98.5%と99.75%の正解率を得た。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 遺伝的アルゴリズム ,  患者 ,  部分集合 ,  判定基準 ,  *統合失調症 ,  自己回帰モデル ,  側頭葉 ,  チャネル ,  脳磁図 ,  *高次元
準シソーラス用語： 逆伝播ニューラルネットワーク ,  探索アルゴリズム ,  信号分類 ,  複雑性 ,  *複雑度 , 【Automatic Indexing@JST】

著者キーワード (5件)： schizophrenic ,  feature extraction ,  feature selection ,  genetic algorithm ,  Magnetoencephalography(MEG) signal classification

分類 (1件)： 精神科の臨床医学一般  (GR01030T)

タイトルに関連する用語 (3件)： 多次元 ,  複雑度 ,  統合失調症