Stacked Convolutional Denoising Autoencodersを用いた2誘導心電図からの特徴抽出および不整脈分類

• Item type: Journal(1)
• 公開日: 2018-12-15
• タイトル: Stacked Convolutional Denoising Autoencodersを用いた2誘導心電図からの特徴抽出および不整脈分類
• タイトル / 言語: en
• タイトル: Feature Extraction and Arrhythmia Classification from 2-lead ECG using Stacked 1D-convolutional Denoising Autoencoders
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: [一般論文（推薦論文）] Stacked Denoising Autoencoders（SDA），Convolutional neural network（CNN），不整脈検出，心電図（ECG）
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_6501
• 資源タイプ: journal article
• 著者所属: 株式会社NTTドコモ／現在，SAS Institute Japan株式会社
• 著者所属: 株式会社NTTドコモ
• 著者所属: 株式会社NTTドコモ
• 著者所属(英): en
• 著者所属(英): NTT DOCOMO, INC. / Presently with SAS Institute Japan Ltd.
• 著者所属(英): en
• 著者所属(英): NTT DOCOMO, INC.
• 著者所属(英): en
• 著者所属(英): NTT DOCOMO, INC.
• 著者名: 高橋, 柊; 落合, 桂一; 深澤, 佑介
• 著者名(英): Shu, Takahashi; Keiichi, Ochiai; Yusuke, Fukazawa
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: さまざまなモノおよびコトをインターネットに接続することで，ログ収集および相互制御を行うInternet of Things（IoT）に注目が集まっている．IoTの活用により，今までセンシングが困難であった情報がリアルタイムに取得可能となることが期待されている．1つの例として心電計測があげられる．心電図（ECG）をリアルタイムに解析することができれば，IoTデバイスの活用によりリアルタイムに不整脈などを検出することが可能となる．本研究では，Stacked Convolutional Denoising Autoencoders（SCDAE）を用いた，ECG波形からの高レベルな特徴抽出を提案する．また，事前学習したSCDAEの構造および重みを抽出し，全結合層を追加した分類器を再学習する不整脈分類手法を提案する．未知のECG波形からの不整脈分類において，提案手法が既存手法（Accuracy：92.7%）に対し高精度（Accuracy：95.3%）であることを示す
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Internet of Things (IoT) which connects various kinds of things via internet each other and gathers logs has much attention. It is expected for utilizing IoT to make it possible to acquire information which was conventionally difficult to sense in real-time. One example is electrocardiography. If we can analyze electrocardiogram (ECG) in real time, it becomes possible to detect arrhythmia in real time by using the IoT device. In this paper, we propose high level feature extraction from ECG waveform using Stacked Convolutional Denoising Autoencoders (SCDAE). ECG classifier is built by combining the architecture and weights of SCDAE with fully connected layer. Evaluation results show that the proposed method (Accuracy: 95.3%) outperforms the existing works (Accuracy: 92.7%) for unseen ECG beats.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN00116647
• 書誌情報: 情報処理学会論文誌; 巻 59, 号 12, p. 2213-2220, 発行日 2018-12-15
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 1882-7764