論文の概要: EDITH :ECG biometrics aided by Deep learning for reliable Individual
auTHentication
- arxiv url: http://arxiv.org/abs/2102.08026v1
- Date: Tue, 16 Feb 2021 08:45:17 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-18 01:20:25.127511
- Title: EDITH :ECG biometrics aided by Deep learning for reliable Individual
auTHentication
- Title(参考訳): EDITH :ECGバイオメトリックス : 個人認証のための深層学習支援
- Authors: Nabil Ibtehaz, Muhammad E. H. Chowdhury, Amith Khandakar, Serkan
Kiranyaz, M. Sohel Rahman, Anas Tahir, Yazan Qiblawey, and Tawsifur Rahman
- Abstract要約: 私たちは、ECGバイオメトリックス認証システムのためのディープラーニングベースのフレームワークであるEDITHを紹介します。
4つの一般的なデータセットを用いてEDITHを評価し、少ないビートで前作を上回りました。
Siameseアーキテクチャは、アイデンティティ検証のEqual Error Rate(EER)を1.29%に削減する。
- 参考スコア(独自算出の注目度): 4.572194444732638
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In recent years, physiological signal based authentication has shown great
promises,for its inherent robustness against forgery. Electrocardiogram (ECG)
signal, being the most widely studied biosignal, has also received the highest
level of attention in this regard. It has been proven with numerous studies
that by analyzing ECG signals from different persons, it is possible to
identify them, with acceptable accuracy. In this work, we present, EDITH, a
deep learning-based framework for ECG biometrics authentication system.
Moreover, we hypothesize and demonstrate that Siamese architectures can be used
over typical distance metrics for improved performance. We have evaluated EDITH
using 4 commonly used datasets and outperformed the prior works using less
number of beats. EDITH performs competitively using just a single heartbeat
(96-99.75% accuracy) and can be further enhanced by fusing multiple beats (100%
accuracy from 3 to 6 beats). Furthermore, the proposed Siamese architecture
manages to reduce the identity verification Equal Error Rate (EER) to 1.29%. A
limited case study of EDITH with real-world experimental data also suggests its
potential as a practical authentication system.
- Abstract(参考訳): 近年, 生理的信号に基づく認証は, 偽造に対する本質的な堅牢性など, 大きな可能性を秘めている。
心電図(ECG)信号は,最も広く研究されている生体信号であり,この点でも注目されている。
多くの研究で、異なる人の心電図信号を解析することにより、許容できる精度で識別できることが証明されている。
本稿では,ecg生体認証システムのための深層学習ベースのフレームワークであるedithを提案する。
さらに,性能向上のために,シームズアーキテクチャが典型的な距離測定値にまたがって利用できることを仮定し,実証する。
4つの一般的なデータセットを用いてEDITHを評価し、少ないビートで前作を上回りました。
EDITHは1つの心拍(96-99.75%の精度)だけで競争力を発揮し、複数の拍子(100%の精度で3から6拍子)を融合させることでさらに強化することができる。
さらに、提案されたSiameseアーキテクチャは、アイデンティティ検証のEqual Error Rate(EER)を1.29%に削減する。
実世界の実験データを用いたEDITHの限られたケーススタディでは、実際の認証システムとしての可能性も示唆されている。
関連論文リスト
- EKGNet: A 10.96{\mu}W Fully Analog Neural Network for Intra-Patient
Arrhythmia Classification [79.7946379395238]
心電図不整脈分類におけるアナログ計算と深層学習を組み合わせた統合的アプローチを提案する。
本稿では,低消費電力で高精度にアーカイブするハードウェア効率と完全アナログ不整脈分類アーキテクチャであるEKGNetを提案する。
論文 参考訳(メタデータ) (2023-10-24T02:37:49Z) - DGSD: Dynamical Graph Self-Distillation for EEG-Based Auditory Spatial
Attention Detection [49.196182908826565]
AAD(Auditory Attention Detection)は、マルチスピーカー環境で脳信号からターゲット話者を検出することを目的としている。
現在のアプローチは主に、画像のようなユークリッドデータを処理するために設計された従来の畳み込みニューラルネットワークに依存している。
本稿では、入力として音声刺激を必要としないAADのための動的グラフ自己蒸留(DGSD)手法を提案する。
論文 参考訳(メタデータ) (2023-09-07T13:43:46Z) - A lightweight hybrid CNN-LSTM model for ECG-based arrhythmia detection [0.0]
本稿では,8種類の心不整脈と正常リズムの高精度検出のための光深度学習手法を提案する。
各種心電図信号を用いた不整脈分類モデルの試作と試験を行った。
論文 参考訳(メタデータ) (2022-08-29T05:01:04Z) - GeoECG: Data Augmentation via Wasserstein Geodesic Perturbation for
Robust Electrocardiogram Prediction [20.8603653664403]
本稿では,心電図信号に基づく心疾患検出の堅牢性を高めるために,生理学的に着想を得たデータ拡張手法を提案する。
我々は、ワッサーシュタイン空間の測地線に沿った他のクラスに対してデータ分布を摂動することで、拡張されたサンプルを得る。
12個の心電図信号から学習し,心臓状態の5つのカテゴリを識別できる。
論文 参考訳(メタデータ) (2022-08-02T03:14:13Z) - ECG Biometric Recognition: Review, System Proposal, and Benchmark
Evaluation [0.0]
我々は、ECGバイオメトリック認識における様々なシナリオの分析と比較を行う。
我々は、社内の大規模データベースでトレーニングされた堅牢なディープラーニング技術であるECGXtractorを提案する。
システムの性能を4つの異なるデータベースで評価する。
論文 参考訳(メタデータ) (2022-04-08T10:53:11Z) - Open Access Dataset for Electromyography based Multi-code Biometric
Authentication [3.162643581562756]
表面筋電図(EMG)は新しい生体計測特性として提案されている。
EMG信号には独特の特性がある。
複数日間の生体認証の結果、前腕のEERは0.017、手首のEERは0.025であった。
論文 参考訳(メタデータ) (2022-01-04T09:20:34Z) - Generalizing electrocardiogram delineation: training convolutional
neural networks with synthetic data augmentation [63.51064808536065]
ECGのデライン化のための既存のデータベースは小さく、サイズやそれらが表す病態の配列に不足している。
まず、原データベースから抽出した基本セグメントのプールを与えられたECGトレースを確率的に合成し、その整合性のある合成トレースに配置するための一連のルールを考案した。
第二に、2つの新しいセグメンテーションに基づく損失関数が開発され、これは、正確な数の独立構造の予測を強制し、サンプル数の削減に焦点をあてて、より密接なセグメンテーション境界を創出することを目的としている。
論文 参考訳(メタデータ) (2021-11-25T10:11:41Z) - Atrial Fibrillation Detection and ECG Classification based on CNN-BiLSTM [3.1372269816123994]
心電図(ECG)信号から心疾患を視覚的に検出することは困難である。
自動心電図信号検出システムを実装することにより,不整脈の診断精度を向上させることができる。
論文 参考訳(メタデータ) (2020-11-12T04:20:56Z) - Uncovering the structure of clinical EEG signals with self-supervised
learning [64.4754948595556]
教師付き学習パラダイムは、しばしば利用可能なラベル付きデータの量によって制限される。
この現象は脳波(EEG)などの臨床関連データに特に問題となる。
ラベルのないデータから情報を抽出することで、ディープニューラルネットワークとの競合性能に到達することができるかもしれない。
論文 参考訳(メタデータ) (2020-07-31T14:34:47Z) - ECG-DelNet: Delineation of Ambulatory Electrocardiograms with Mixed
Quality Labeling Using Neural Networks [69.25956542388653]
ディープラーニング(DL)アルゴリズムは、学術的、産業的にも重くなっている。
セグメンテーションフレームワークにECGの検出とデライン化を組み込むことにより、低解釈タスクにDLをうまく適用できることを実証する。
このモデルは、PhyloNetのQTデータベースを使用して、105個の増幅ECG記録から訓練された。
論文 参考訳(メタデータ) (2020-05-11T16:29:12Z) - Opportunities and Challenges of Deep Learning Methods for
Electrocardiogram Data: A Systematic Review [62.490310870300746]
心電図(Electrocardiogram、ECG)は、医学および医療において最も一般的に用いられる診断ツールの1つである。
深層学習法は心電図信号を用いた予測医療タスクにおいて有望な結果を得た。
本稿では、モデリングとアプリケーションの観点から、ECGデータに対するディープラーニング手法の体系的なレビューを行う。
論文 参考訳(メタデータ) (2019-12-28T02:44:29Z)
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。