論文の概要: ECG Beats Fast Classification Base on Sparse Dictionaries

• arxiv url: http://arxiv.org/abs/2009.03792v1
• Date: Tue, 8 Sep 2020 14:38:46 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-20 21:37:50.141846
• Title: ECG Beats Fast Classification Base on Sparse Dictionaries
• Title（参考訳）: ecgがスパース辞書の分類基準を破る
• Authors: Nanyu Li, Yujuan Si, Di Wang, Tong Liu, Jinrun Yu
• Abstract要約: VQ法は次元減少の利点を生かしたECGの特徴抽出において良好に機能する。 実際には、k-meansまたはk-means++で最適化されたVQ符号は、大きな量子化誤差が存在する。 本稿では,VQ手法の高速化と精度向上のための新しい手法を提案する。
• 参考スコア（独自算出の注目度）: 11.743368530827256
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Feature extraction plays an important role in Electrocardiogram (ECG) Beats classification system. Compared to other popular methods, VQ method performs well in feature extraction from ECG with advantages of dimensionality reduction. In VQ method, a set of dictionaries corresponding to segments of ECG beats is trained, and VQ codes are used to represent each heartbeat. However, in practice, VQ codes optimized by k-means or k-means++ exist large quantization errors, which results in VQ codes for two heartbeats of the same type being very different. So the essential differences between different types of heartbeats cannot be representative well. On the other hand, VQ uses too much data during codebook construction, which limits the speed of dictionary learning. In this paper, we propose a new method to improve the speed and accuracy of VQ method. To reduce the computation of codebook construction, a set of sparse dictionaries corresponding to wave segments of ECG beats is constructed. After initialized, sparse dictionaries are updated efficiently by Feature-sign and Lagrange dual algorithm. Based on those dictionaries, a set of codes can be computed to represent original ECG beats.Experimental results show that features extracted from ECG by our method are more efficient and separable. The accuracy of our method is higher than other methods with less time consumption of feature extraction
• Abstract（参考訳）: 心電図(ecg)beats分類システムにおいて,特徴抽出は重要な役割を果たす。 他の一般的な方法と比較して、VQ法は次元減少の利点を生かしたECGの特徴抽出においてよく機能する。 VQ法では、ECGビートの各セグメントに対応する辞書のセットを訓練し、VQ符号を用いて各心拍を表現する。 しかし、実際にはk-meansまたはk-means++で最適化されたVQ符号は大きな量子化誤差が存在し、結果として同じタイプの2つの心拍のVQ符号は非常に異なる。 したがって、異なるタイプの心拍の違いは、うまく表現できない。 一方、VQはコードブック構築時に過剰なデータを使用するため、辞書学習の速度が制限される。 本稿では,VQ法の高速化と精度向上のための新しい手法を提案する。 コードブック構築の計算を低減するため、ECGビートの波分に対応するスパース辞書の集合を構築した。 初期化後、特徴符号とラグランジュ双対アルゴリズムによりスパース辞書を効率的に更新する。 これらの辞書に基づいて、元のECGビートを表現するために一組の符号を計算し、実験結果から、本手法によりECGから抽出した特徴がより効率的で分離可能であることを示す。 我々の手法の精度は他の方法よりも高く、特徴抽出の時間消費が少ない。

関連論文リスト

• Enhancing Electrocardiogram Signal Analysis Using NLP-Inspired Techniques: A Novel Approach with Embedding and Self-Attention [2.7651063843287718]
  埋め込みと自己注意に基づく新しい心電図解析手法を提案し,心電図データの空間的および時間的依存性を捉える。 91%の精度でF1スコアが得られた。
  論文  参考訳（メタデータ） (2024-07-15T12:20:15Z)
• Residual Quantization with Implicit Neural Codebooks [40.021284158234344]
  本稿では,前ステップからのベクトル近似に依存する,ステップ毎の特別なコードブックを構築するニューラルネットワークRQ変種QINCoを提案する。 実験によると、QINCoはいくつかのデータセットとコードサイズに対して、最先端のメソッドよりも大きなマージンでパフォーマンスを示している。
  論文  参考訳（メタデータ） (2024-01-26T09:42:51Z)
• MRI brain tumor segmentation using informative feature vectors and kernel dictionary learning [0.0]
  磁気共鳴画像(MRI)における脳腫瘍領域分割のためのカーネル辞書学習アルゴリズムに基づく方法 特徴ベクトルの最も情報的で識別性の高いサブセットを特定するために,相関に基づくサンプル選択手法を開発した。 線形分類器を用いて、学習辞書に基づいて、健康な画素と不健康な画素を区別する。
  論文  参考訳（メタデータ） (2023-10-17T03:25:22Z)
• SelfSeg: A Self-supervised Sub-word Segmentation Method for Neural Machine Translation [51.881877192924414]
  サブワードセグメンテーションはニューラルマシン翻訳(NMT)に不可欠な前処理ステップである 本稿では,自己教師型ニューラルネットワークサブワードセグメンテーション手法であるSelfSegを紹介する。 SelfSegはトレーニング/デコードがはるかに高速で、並列コーパスの代わりに単言語辞書のみを必要とする。
  論文  参考訳（メタデータ） (2023-07-31T04:38:47Z)
• Hierarchical Phrase-based Sequence-to-Sequence Learning [94.10257313923478]
  本稿では、学習中の帰納バイアスの源として階層的フレーズを取り入れ、推論中の明示的な制約として、標準的なシーケンス・ツー・シーケンス(seq2seq)モデルの柔軟性を維持するニューラルトランスデューサについて述べる。 本手法では,木が原文と対象句を階層的に整列するブラケット文法に基づく識別的導出法と,整列した句を1対1で翻訳するニューラルネットワークセク2セックモデルという2つのモデルを訓練する。
  論文  参考訳（メタデータ） (2022-11-15T05:22:40Z)
• Two-stream Network for ECG Signal Classification [3.222802562733787]
  本稿では,心電図に基づく心拍数型の自動分類アルゴリズムを提案する。 本稿では,2ストリームアーキテクチャを用いて,これに基づくECG認識の強化版を提案する。 MIT-BIH Arrhythmia Databaseの結果、提案アルゴリズムは99.38%の精度で実行されている。
  論文  参考訳（メタデータ） (2022-10-05T08:14:51Z)
• Efficient Approximate Kernel Based Spike Sequence Classification [56.2938724367661]
  SVMのような機械学習モデルは、シーケンスのペア間の距離/相似性の定義を必要とする。 厳密な手法により分類性能は向上するが、計算コストが高い。 本稿では,その予測性能を向上させるために,近似カーネルの性能を改善する一連の方法を提案する。
  論文  参考訳（メタデータ） (2022-09-11T22:44:19Z)
• Speaker Embedding-aware Neural Diarization: a Novel Framework for Overlapped Speech Diarization in the Meeting Scenario [51.5031673695118]
  重なり合う音声のダイアリゼーションを単一ラベル予測問題として再構成する。 話者埋め込み認識型ニューラルダイアリゼーション(SEND)システムを提案する。
  論文  参考訳（メタデータ） (2022-03-18T06:40:39Z)
• Few-Shot Electronic Health Record Coding through Graph Contrastive Learning [64.8138823920883]
  我々は,グラフベースのEHRコーディングフレームワークであるCoGraphを用いて,頻繁かつ希少なICD符号の性能向上を図る。 CoGraphは、異なるICDコードからHEWEグラフ間の類似点と相似点を学習し、それら間で情報を転送する。 2つのグラフコントラスト学習スキームであるGSCLとGECLは、HEWEグラフ構造を利用して、転送可能な特徴を符号化する。
  論文  参考訳（メタデータ） (2021-06-29T14:53:17Z)
• ECG beats classification via online sparse dictionary and time pyramid matching [2.035937589646518]
  Bag-Of-Word (BOW)アルゴリズムは効率的な特徴を提供し、ECG分類システムの精度を向上する。 1) 量子化誤差が大きく, 再建性能が低かったこと, (2) 心拍の時間情報が失われること, の2つの欠点がある。 本稿では,ウェーブレットを用いてスパース辞書を構築し,量子化誤差を最小限に抑える。 アルゴリズムの複雑さを減らし、大規模心拍数操作に適応するために、オンライン辞書学習と特徴符号アルゴリズムを組み合わせる。
  論文  参考訳（メタデータ） (2020-08-15T08:10:21Z)
• Progressively Pretrained Dense Corpus Index for Open-Domain Question Answering [87.32442219333046]
  本稿では,段落エンコーダを事前学習するための簡易かつ資源効率の高い手法を提案する。 本手法は,事前学習に7倍の計算資源を使用する既存の高密度検索法より優れている。
  論文  参考訳（メタデータ） (2020-04-30T18:09:50Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。