Fugu-MT 論文翻訳(概要): A deep-learning classifier for cardiac arrhythmias

論文の概要: A deep-learning classifier for cardiac arrhythmias

arxiv url: http://arxiv.org/abs/2011.05471v1
Date: Wed, 11 Nov 2020 00:13:15 GMT
ステータス: 処理完了
システム内更新日: 2022-09-27 01:09:25.591818
Title: A deep-learning classifier for cardiac arrhythmias
Title（参考訳）: 心不整脈の深層学習分類法
Authors: Carla Sofia Carvalho
Abstract要約: 心臓不整脈を含む13種類の心拍を分類する手法について報告する。この方法はQRSピーク複合体をローカライズして各心臓ビートを定義し、ニューラルネットワークを用いて各心臓ビートクラスのパターン特性を推測する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We report on a method that classifies heart beats according to a set of 13 classes, including cardiac arrhythmias. The method localises the QRS peak complex to define each heart beat and uses a neural network to infer the patterns characteristic of each heart beat class. The best performing neural network contains six one-dimensional convolutional layers and four dense layers, with the kernel sizes being multiples of the characteristic scale of the problem, thus resulting a computationally fast and physically motivated neural network. For the same number of heart beat classes, our method yields better results with a considerably smaller neural network than previously published methods, which renders our method competitive for deployment in an internet-of-things solution.
Abstract（参考訳）: 心臓不整脈を含む13種類の心臓の拍動を分類する手法について報告する。この方法は、qrsピーク複合体を局在させて各心拍数を定義し、ニューラルネットワークを用いて各心拍クラスのパターン特性を推定する。最適なニューラルネットワークは、6つの1次元畳み込み層と4つの密集層を含み、カーネルサイズは問題の特徴的なスケールの倍数であり、計算速度と物理的に動機づけられたニューラルネットワークとなる。同じ数のheart beatクラスの場合、このメソッドは、以前公開されたメソッドよりもかなり小さなニューラルネットワークでより良い結果を得ることができます。

関連論文リスト

Classification of Heart Sounds Using Multi-Branch Deep Convolutional Network and LSTM-CNN [2.7699831151653305]
本稿では,診療所における低コストシステムを用いた心疾患の迅速かつ効率的な診断方法を提案する。 LSCNネットワークによる心臓音の総合的分類精度は96%以上である。
論文参考訳（メタデータ） (2024-07-15T13:02:54Z)
NeuralFastLAS: Fast Logic-Based Learning from Raw Data [54.938128496934695]
シンボリック・ルール学習者は解釈可能な解を生成するが、入力を記号的に符号化する必要がある。ニューロシンボリックアプローチは、ニューラルネットワークを使用して生データを潜在シンボリック概念にマッピングすることで、この問題を克服する。我々は,ニューラルネットワークを記号学習者と共同でトレーニングする,スケーラブルで高速なエンドツーエンドアプローチであるNeuralFastLASを紹介する。
論文参考訳（メタデータ） (2023-10-08T12:33:42Z)
Excess Risk of Two-Layer ReLU Neural Networks in Teacher-Student Settings and its Superiority to Kernel Methods [58.44819696433327]
教師回帰モデルにおける2層ReLUニューラルネットワークのリスクについて検討する。学生ネットワークは、どの解法よりも確実に優れていることがわかった。
論文参考訳（メタデータ） (2022-05-30T02:51:36Z)
Arrhythmia Classifier Using Convolutional Neural Network with Adaptive Loss-aware Multi-bit Networks Quantization [4.8538839251819486]
メモリ消費を23.36倍に削減する高圧縮率を実現する1次元適応型ロスアウェア量子化を提案する。我々は、MIT-BIHデータセットで訓練された17種類のリズムクラスを分類するために、17層のエンドツーエンドニューラルネットワーク分類器を提案する。本研究は,ハードウェアフレンドリーで,ウェアラブルデバイスに展開可能な1次元畳み込みニューラルネットワークを実現する。
論文参考訳（メタデータ） (2022-02-27T14:26:41Z)
Dynamic Neural Diversification: Path to Computationally Sustainable Neural Networks [68.8204255655161]
訓練可能なパラメータが制限された小さなニューラルネットワークは、多くの単純なタスクに対してリソース効率の高い候補となる。学習過程において隠れた層内のニューロンの多様性を探索する。ニューロンの多様性がモデルの予測にどのように影響するかを分析する。
論文参考訳（メタデータ） (2021-09-20T15:12:16Z)
Segmentation-free Heart Pathology Detection Using Deep Learning [12.065014651638943]
本研究では,新しいセグメンテーションフリー心音分類法を提案する。具体的には、離散ウェーブレット変換を用いて信号をノイズ化し、続いて特徴抽出と特徴量削減を行う。サポートベクトルマシンとディープニューラルネットワークは分類に使用される。
論文参考訳（メタデータ） (2021-08-09T16:09:30Z)
Classifying high-dimensional Gaussian mixtures: Where kernel methods fail and neural networks succeed [27.38015169185521]
2層ニューラルネットワーク (2lnn) の隠れたニューロンがカーネル学習の性能を上回ることができることを理論的に示している。ニューラルネットワークのオーバーパラメータが収束を早めるが、最終的な性能は改善しないことを示す。
論文参考訳（メタデータ） (2021-02-23T15:10:15Z)
Learning Neural Network Subspaces [74.44457651546728]
近年の観測は,ニューラルネットワーク最適化の展望の理解を深めている。 1つのモデルのトレーニングと同じ計算コストで、高精度ニューラルネットワークの線、曲線、単純軸を学習します。 1つのモデルのトレーニングと同じ計算コストで、高精度ニューラルネットワークの線、曲線、単純軸を学習します。
論文参考訳（メタデータ） (2021-02-20T23:26:58Z)
Generalized Leverage Score Sampling for Neural Networks [82.95180314408205]
レバレッジスコアサンプリング(英: Leverage score sample)は、理論計算機科学に由来する強力な技術である。本研究では、[Avron, Kapralov, Musco, Musco, Musco, Velingker, Zandieh 17] の結果をより広範なカーネルのクラスに一般化する。
論文参考訳（メタデータ） (2020-09-21T14:46:01Z)
Ordinal Pattern Kernel for Brain Connectivity Network Classification [26.43772118550607]
グラフカーネル(すなわちグラフ上に定義されたカーネル)のようなカーネルベースの手法は、脳ネットワークの類似性を測定するために提案されている。脳接続ネットワーク分類のための順序パターンカーネルを提案する。
論文参考訳（メタデータ） (2020-08-18T03:16:40Z)
Unpaired Multi-modal Segmentation via Knowledge Distillation [77.39798870702174]
本稿では,不対向画像分割のための新しい学習手法を提案する。提案手法では,CTおよびMRI間での畳み込みカーネルの共有により,ネットワークパラメータを多用する。我々は2つの多クラスセグメンテーション問題に対するアプローチを広範囲に検証した。
論文参考訳（メタデータ） (2020-01-06T20:03:17Z)

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。