論文の概要: Electrode Selection for Noninvasive Fetal Electrocardiogram Extraction
using Mutual Information Criteria
- arxiv url: http://arxiv.org/abs/2302.00206v1
- Date: Wed, 1 Feb 2023 03:22:27 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-02 18:01:31.882331
- Title: Electrode Selection for Noninvasive Fetal Electrocardiogram Extraction
using Mutual Information Criteria
- Title（参考訳）: 相互情報基準を用いた非侵襲的胎児心電図抽出のための電極選択
- Authors: Reza Sameni and Fr\'ed\'eric Vrins and Fabienne Parmentier and
Christophe H\'erail and Vincent Vigneron and Michel Verleysen and Christian
Jutten and Mohammad B. Shamsollahi
- Abstract要約: ブラインドソース分離(BSS)技術は生体信号処理への応用に有望なアプローチであることが判明した。
提案法は, 実母性腹部記録の模擬および実測値を用いて検討されている。
- 参考スコア（独自算出の注目度）: 7.670741228195285
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Blind source separation (BSS) techniques have revealed to be promising
approaches for, among other, biomedical signal processing applications.
Specifically, for the noninvasive extraction of fetal cardiac signals from
maternal abdominal recordings, where conventional filtering schemes have failed
to extract the complete fetal ECG components. From previous studies, it is now
believed that a carefully selected array of electrodes well-placed over the
abdomen of a pregnant woman contains the required `information' for BSS, to
extract the complete fetal components. Based on this idea, in previous works
array recording systems and sensor selection strategies based on the Mutual
Information (MI) criterion have been developed. In this paper the previous
works have been extended, by considering the 3-dimensional aspects of the
cardiac electrical activity. The proposed method has been tested on simulated
and real maternal abdominal recordings. The results show that the new sensor
selection strategy together with the MI criterion, can be effectively used to
select the channels containing the most `information' concerning the fetal ECG
components from an array of 72 recordings. The method is hence believed to be
useful for the selection of the most informative channels in online
applications, considering the different fetal positions and movements.
- Abstract（参考訳）: ブラインドソース分離(BSS)技術は、バイオメディカル信号処理の応用において有望なアプローチであることが判明した。
特に,胎児心電図の全成分の抽出が困難であった母体腹部記録から胎児心信号の非侵襲的抽出について検討した。
これまでの研究では、妊婦の腹部によく配置された慎重に選択された電極は、胎児の全成分を抽出するために、bssに必要な「情報」を含んでいると考えられている。
この考え方に基づき、従来のワークスアレイ記録システムと、相互情報(mi)基準に基づくセンサ選択戦略が開発されている。
本稿では, 心臓電気活動の三次元的側面を考慮し, 先行研究を拡張した。
提案手法は, 模擬および実母性腹腔鏡を用いて検討した。
以上の結果から,MI基準とともに,胎児心電図成分に関する最も「情報」を含むチャネルを72レコードの配列から選択するために,新たなセンサ選択戦略を効果的に活用できることが示唆された。
この手法は、胎児の位置や運動が異なることを考慮して、オンラインアプリケーションにおいて最も情報に富むチャネルの選択に有用であると考えられている。
関連論文リスト
- Measuring proximity to standard planes during fetal brain ultrasound scanning [8.328549443700858]
本稿では,超音波(US)平面を臨床利用に近づけるための新しいパイプラインを提案する。
ラベル付きSPとラベルなしUSボリュームスライスの両方を利用した半教師付きセグメンテーションモデルを提案する。
本モデルでは, 胎児の脳画像に対して, 信頼性の高いセグメンテーションを可能にする。
論文 参考訳（メタデータ） (2024-04-10T16:04:21Z) - 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) - Motion Magnification in Robotic Sonography: Enabling Pulsation-Aware
Artery Segmentation [44.868281669589194]
スキャン中の動脈セグメンテーションの精度と安定性を改善するために,新しい脈動補助セグメンテーションニューラルネットワーク(PAS-NN)を提案する。
興味のある周波数帯域内の微妙な動きを増幅し、連続したUS画像から脈動信号を抽出するために、運動倍率技術を用いる。
抽出したリアルタイム脈動情報は、米国横断画像の動脈を見つけるのに役立つ。
論文 参考訳（メタデータ） (2023-07-07T16:14:17Z) - ECG Classification System for Arrhythmia Detection Using Convolutional Neural Networks [0.0]
本研究では, 畳み込みニューラルネットワーク(CNN)アルゴリズムを用いた深層学習(DL)パイプライン技術を用いて, 患者の心血管性喉頭不整脈を検出する。
その結果, 提案した戦略は, 98.2%の精度で15,000の症例を分類した。
論文 参考訳（メタデータ） (2023-03-07T05:48:28Z) - 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) - Multiple Time Series Fusion Based on LSTM An Application to CAP A Phase
Classification Using EEG [56.155331323304]
本研究では,深層学習に基づく脳波チャンネルの特徴レベル融合を行う。
チャネル選択,融合,分類手順を2つの最適化アルゴリズムで最適化した。
論文 参考訳（メタデータ） (2021-12-18T14:17:49Z) - Fetal Gender Identification using Machine and Deep Learning Algorithms
on Phonocardiogram Signals [3.5366052026723547]
シーラーズ大学胎児心臓音響データベースにPCG信号処理技術を適用した。
本稿では,機械学習モデルとDeep Learningモデルの両方を用いて,胎児の性別分類に先立って提案された機能の適用性について検討する。
対象者の胎児の性別の分類において, 基準値を大きく上回り, 91%の精度を達成できた。
論文 参考訳（メタデータ） (2021-10-10T16:25:09Z) - Automatic detection of abnormal EEG signals using wavelet feature
extraction and gradient boosting decision tree [2.924868086534434]
多チャンネル脳波記録における脳信号の自動二分分類フレームワークを提案する。
本稿では,抽出した特徴量の品質を損なうことなく,特徴空間の次元を小さくする手法を提案する。
CatBoostは87.68%のバイナリ分類精度を達成し、同じデータセットの最先端の技術を上回る。
論文 参考訳（メタデータ） (2020-12-18T03:36:52Z) - Noise-Resilient Automatic Interpretation of Holter ECG Recordings [67.59562181136491]
本稿では,ホルター記録を雑音に頑健に解析する3段階プロセスを提案する。
第1段階は、心拍位置を検出する勾配デコーダアーキテクチャを備えたセグメンテーションニューラルネットワーク(NN)である。
第2段階は、心拍を幅または幅に分類する分類NNである。
第3のステージは、NN機能の上に、患者対応機能を組み込んだ強化決定木(GBDT)である。
論文 参考訳（メタデータ） (2020-11-17T16:15:49Z) - Hybrid Attention for Automatic Segmentation of Whole Fetal Head in
Prenatal Ultrasound Volumes [52.53375964591765]
胎児の頭部全体を米国全巻に分割する,最初の完全自動化ソリューションを提案する。
セグメント化タスクは、まずエンコーダ-デコーダディープアーキテクチャの下で、エンドツーエンドのボリュームマッピングとして定式化される。
次に,セグメンタとハイブリットアテンションスキーム(HAS)を組み合わせることで,識別的特徴を選択し,非情報量的特徴を抑える。
論文 参考訳（メタデータ） (2020-04-28T14:43:05Z) - Heart Sound Segmentation using Bidirectional LSTMs with Attention [37.62160903348547]
心電図(PCG)信号を心臓状態に分割するための新しい枠組みを提案する。
我々は近年の注目に基づく学習の進歩を利用してPCG信号のセグメンテーションを行う。
提案手法は,ヒトと動物の両方の心臓記録を含む複数のベンチマークにおいて,最先端の性能を実現する。
論文 参考訳（メタデータ） (2020-04-02T02:09:11Z)
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。