論文の概要: Fully Elman Neural Network: A Novel Deep Recurrent Neural Network Optimized by an Improved Harris Hawks Algorithm for Classification of Pulmonary Arterial Wedge Pressure

• arxiv url: http://arxiv.org/abs/2301.07710v1
• Date: Mon, 16 Jan 2023 06:58:20 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-20 16:19:21.493334
• Title: Fully Elman Neural Network: A Novel Deep Recurrent Neural Network Optimized by an Improved Harris Hawks Algorithm for Classification of Pulmonary Arterial Wedge Pressure
• Title（参考訳）: 完全エルマンニューラルネット:肺動脈圧の分類のための改良されたハリスホークスアルゴリズムにより最適化された新しいディープリカレントニューラルネットワーク
• Authors: Masoud Fetanat, Michael Stevens, Pankaj Jain, Christopher Hayward, Erik Meijering and Nigel H. Lovell
• Abstract要約: 心臓不全(Heart failure、HF)は、米国で650万人が苦しんでおり、世界中で2300万人以上の心臓血管疾患の1つである。 肺動脈くさび圧(PAWP)を測定する商用の長期植込み型圧力センサは存在しない 本研究では,HHO+を24の単調およびマルチモーダル性能ベンチマーク関数上で提示・テストする。 完全エルマン心室ニューラルネットワーク(FENN)を提案する。
• 参考スコア（独自算出の注目度）: 6.570131476348873
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Heart failure (HF) is one of the most prevalent life-threatening cardiovascular diseases in which 6.5 million people are suffering in the USA and more than 23 million worldwide. Mechanical circulatory support of HF patients can be achieved by implanting a left ventricular assist device (LVAD) into HF patients as a bridge to transplant, recovery or destination therapy and can be controlled by measurement of normal and abnormal pulmonary arterial wedge pressure (PAWP). While there are no commercial long-term implantable pressure sensors to measure PAWP, real-time non-invasive estimation of abnormal and normal PAWP becomes vital. In this work, first an improved Harris Hawks optimizer algorithm called HHO+ is presented and tested on 24 unimodal and multimodal benchmark functions. Second, a novel fully Elman neural network (FENN) is proposed to improve the classification performance. Finally, four novel 18-layer deep learning methods of convolutional neural networks (CNNs) with multi-layer perceptron (CNN-MLP), CNN with Elman neural networks (CNN-ENN), CNN with fully Elman neural networks (CNN-FENN), and CNN with fully Elman neural networks optimized by HHO+ algorithm (CNN-FENN-HHO+) for classification of abnormal and normal PAWP using estimated HVAD pump flow were developed and compared. The estimated pump flow was derived by a non-invasive method embedded into the commercial HVAD controller. The proposed methods are evaluated on an imbalanced clinical dataset using 5-fold cross-validation. The proposed CNN-FENN-HHO+ method outperforms the proposed CNN-MLP, CNN-ENN and CNN-FENN methods and improved the classification performance metrics across 5-fold cross-validation. The proposed methods can reduce the likelihood of hazardous events like pulmonary congestion and ventricular suction for HF patients and notify identified abnormal cases to the hospital, clinician and cardiologist.
• Abstract（参考訳）: 心臓不全(Heart failure、HF)は、米国で650万人が苦しんでおり、世界中で2300万人以上の心臓血管疾患の1つである。 左室補助装置(LVAD)をHF患者に移植・回復・治療の橋渡しとして移植し,正常および異常肺動脈水圧(PAWP)の測定により制御することにより,HF患者の機械的循環支援を実現することができる。 PAWPを測定する商用の長期植込み型圧力センサは存在しないが、異常および正常なPAWPのリアルタイム非侵襲的推定が不可欠である。 本研究では,まずHHO+と呼ばれる改良されたHarris Hawksオプティマイザアルゴリズムを24の単調およびマルチモーダルベンチマーク関数上で提案・テストする。 第二に、分類性能を改善するために、新しい完全エルマンニューラルネットワーク(FENN)を提案する。 最後に,多層パーセプトロン(CNN-MLP),エルマンニューラルネットワーク(CNN-ENN),エルマンニューラルネットワーク(CNN-FENN),HHO+アルゴリズム(CNN-FENN-HHO+)で最適化された完全エルマンニューラルネットワーク(CNN-FENN-HHO+)の4つの新しい18層ディープラーニング手法を開発した。 推定ポンプ流量は商用HVADコントローラに埋め込まれた非侵襲的手法によって導出された。 提案手法は5倍のクロスバリデーションを用いた不均衡臨床データセット上で評価される。 提案したCNN-FENN-HHO+法は,提案したCNN-MLP,CNN-ENN,CNN-FENN法よりも優れ、5倍のクロスバリデーションにおける分類性能の指標が改善された。 提案手法は,HF患者に対する肺混雑や心室吸引などの危険事象の可能性を低減し,病院,臨床医,心臓科医に異常な症例を通知する。

関連論文リスト

• An end-to-end deep learning pipeline to derive blood input with partial volume corrections for automated parametric brain PET mapping [1.3243230917306228]
  dFDG-PETの定量分析における重要な課題は、患者固有の血液入力機能を特徴づけることである。 本研究では内頸動脈からの非侵襲的ディープラーニングモデルに基づく計算手法を提案する。 ICAセグメンテーションのための3次元U-NetベースのICA-netと、モデル修正血液入力関数の導出のためのリカレントニューラルネットワーク(RNN)ベースのMCIF-netを組み合わせたエンドツーエンドパイプラインを提案する。
  論文  参考訳（メタデータ） (2024-02-05T17:02:30Z)
• Fully Spiking Actor Network with Intra-layer Connections for Reinforcement Learning [51.386945803485084]
  エージェントが制御する多次元決定論的ポリシーを学習する必要があるタスクに焦点をあてる。 既存のスパイクベースのRL法は、SNNの出力として発火率を取り、完全に接続された層を通して連続的なアクション空間(つまり決定論的なポリシー)を表すように変換する。 浮動小数点行列操作を伴わない完全にスパイクするアクターネットワークを開発するため,昆虫に見られる非スパイク介在ニューロンからインスピレーションを得た。
  論文  参考訳（メタデータ） (2024-01-09T07:31:34Z)
• SPIDE: A Purely Spike-based Method for Training Feedback Spiking Neural Networks [56.35403810762512]
  イベントベースの計算を伴うスパイキングニューラルネットワーク(SNN)は、ニューロモルフィックハードウェアにおけるエネルギー効率の高い応用のために、脳にインスパイアされたモデルを約束している。 本研究では,最近提案されたトレーニング手法を拡張した平衡状態(SPIDE)に対するスパイクに基づく暗黙差分法について検討した。
  論文  参考訳（メタデータ） (2023-02-01T04:22:59Z)
• Convolutional Spiking Neural Networks for Detecting Anticipatory Brain Potentials Using Electroencephalogram [0.21847754147782888]
  スパイキングニューラルネットワーク(SNN)は、生体系におけるシナプス接続を模倣しスパイクトレインを発生させるため、注目を集めている。 近年,畳み込みネットワークの特徴抽出能力とSNNの計算効率を組み合わせた畳み込み層が導入された。 本稿では、畳み込みスパイクニューラルネットワーク(CSNN)を用いて、予測速度の遅い大脳皮質電位を検出することの実現可能性について検討する。
  論文  参考訳（メタデータ） (2022-08-14T19:04:15Z)
• Training High-Performance Low-Latency Spiking Neural Networks by Differentiation on Spike Representation [70.75043144299168]
  スパイキングニューラルネットワーク(SNN)は、ニューロモルフィックハードウェア上に実装された場合、有望なエネルギー効率のAIモデルである。 非分化性のため、SNNを効率的に訓練することは困難である。 本稿では,ハイパフォーマンスを実現するスパイク表現法(DSR)の差分法を提案する。
  論文  参考訳（メタデータ） (2022-05-01T12:44:49Z)
• Energy-Efficient Respiratory Anomaly Detection in Premature Newborn Infants [1.845415610921548]
  早産児のためのDeep Learning対応ウェアラブルモニタリングシステムを提案する。 乳児の体に装着した非侵襲的なウェアラブルBellypatchから無線で収集される信号を用いて呼吸停止を予測する。 ベースライン1DCNNモデルに比べて18倍低いエネルギーで93.33%の精度を達成する解を選択する。
  論文  参考訳（メタデータ） (2022-02-21T23:15:03Z)
• SOUL: An Energy-Efficient Unsupervised Online Learning Seizure Detection Classifier [68.8204255655161]
  神経活動を記録して発作を検出するインプラントデバイスは、発作を抑えるために警告を発したり神経刺激を誘発したりするために採用されている。 移植可能な発作検出システムでは、低出力で最先端のオンライン学習アルゴリズムを使用して、神経信号のドリフトに動的に適応することができる。 SOULはTSMCの28nmプロセスで0.1mm2を占め、1.5nJ/分級エネルギー効率を実現した。
  論文  参考訳（メタデータ） (2021-10-01T23:01:20Z)
• Wide & Deep neural network model for patch aggregation in CNN-based prostate cancer detection systems [51.19354417900591]
  前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。 自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。 パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
  論文  参考訳（メタデータ） (2021-05-20T18:13:58Z)
• Strengthening the Training of Convolutional Neural Networks By Using Walsh Matrix [0.0]
  分類性能を向上させるため,DNNのトレーニングと構造を変更した。 畳み込みニューラルネットワーク(CNN)の最後の層に続く最小距離ネットワーク(MDN)が分類器として使用される。 異なる領域では、ノード数が少ないDivFEを使用することでより高い分類性能が得られたことが観察されている。
  論文  参考訳（メタデータ） (2021-03-31T18:06:11Z)
• CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
  新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。 我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-07-20T21:47:28Z)
• Improve robustness of DNN for ECG signal classification:a noise-to-signal ratio perspective [2.2977141788872366]
  深部ニューラルネットワーク(DNN)は、ECG信号の自動解釈のために開発された。 DNNは敵の攻撃に対して非常に脆弱である。 本研究では,雑音-信号比(NSR)の観点からDNNのロバスト性を改善することを提案する。
  論文  参考訳（メタデータ） (2020-05-18T23:37:33Z)

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。