論文の概要: A Cluster-Based Opposition Differential Evolution Algorithm Boosted by a
Local Search for ECG Signal Classification
- arxiv url: http://arxiv.org/abs/2305.02731v2
- Date: Fri, 6 Oct 2023 16:03:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-13 13:16:22.234527
- Title: A Cluster-Based Opposition Differential Evolution Algorithm Boosted by a
Local Search for ECG Signal Classification
- Title（参考訳）: ECG信号分類のための局所探索によるクラスタベース対位差分進化アルゴリズム
- Authors: Mehran Pourvahab, Seyed Jalaleddin Mousavirad, Virginie Felizardo,
Nuno Pombo, Henriques Zacarias, Hamzeh Mohammadigheymasi, Sebasti\~ao Pais,
Seyed Nooreddin Jafari, Nuno M.Garcia
- Abstract要約: 本稿では、ECG信号分類のための改良された微分進化(DE)アルゴリズムに基づく新しいアプローチを提案する。
実験の結果,提案アルゴリズムは従来の学習アルゴリズムよりも優れた結果が得られることがわかった。
- 参考スコア（独自算出の注目度）: 1.9738259547092656
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Electrocardiogram (ECG) signals, which capture the heart's electrical
activity, are used to diagnose and monitor cardiac problems. The accurate
classification of ECG signals, particularly for distinguishing among various
types of arrhythmias and myocardial infarctions, is crucial for the early
detection and treatment of heart-related diseases. This paper proposes a novel
approach based on an improved differential evolution (DE) algorithm for ECG
signal classification for enhancing the performance. In the initial stages of
our approach, the preprocessing step is followed by the extraction of several
significant features from the ECG signals. These extracted features are then
provided as inputs to an enhanced multi-layer perceptron (MLP). While MLPs are
still widely used for ECG signal classification, using gradient-based training
methods, the most widely used algorithm for the training process, has
significant disadvantages, such as the possibility of being stuck in local
optimums. This paper employs an enhanced differential evolution (DE) algorithm
for the training process as one of the most effective population-based
algorithms. To this end, we improved DE based on a clustering-based strategy,
opposition-based learning, and a local search. Clustering-based strategies can
act as crossover operators, while the goal of the opposition operator is to
improve the exploration of the DE algorithm. The weights and biases found by
the improved DE algorithm are then fed into six gradient-based local search
algorithms. In other words, the weights found by the DE are employed as an
initialization point. Therefore, we introduced six different algorithms for the
training process (in terms of different local search algorithms). In an
extensive set of experiments, we showed that our proposed training algorithm
could provide better results than the conventional training algorithms.
- Abstract（参考訳）: 心電図(ECG)信号は、心臓の電気的活動を捉え、心臓の問題を診断し監視するために用いられる。
心疾患の早期発見と治療には,心電図信号の正確な分類,特に各種不整脈と心筋梗塞の鑑別が重要である。
本稿では,ECG信号分類のための改良型微分進化(DE)アルゴリズムに基づく新しい手法を提案する。
アプローチの初期段階では、前処理のステップに続いて、ECG信号からいくつかの重要な特徴を抽出する。
これらの抽出された特徴は、拡張多層パーセプトロン(MLP)への入力として提供される。
mlpは依然としてecg信号の分類に広く使われているが、最も広く使われているアルゴリズムである勾配に基づく訓練法を用いると、局所的最適に定着する可能性など、大きな欠点がある。
本稿では,最も効果的な人口ベースアルゴリズムの1つとして,拡張微分進化(DE)アルゴリズムを用いる。
この目的のために,クラスタリングに基づく戦略,対向学習,局所探索に基づくdeの改善を行った。
クラスタリングベースの戦略はクロスオーバー演算子として機能し、反対演算子の目標はDEアルゴリズムの探索を改善することである。
改良されたDEアルゴリズムの重みとバイアスは6つの勾配に基づく局所探索アルゴリズムに入力される。
言い換えると、de によって発見された重みは初期化点として用いられる。
そこで,本研究では,学習過程の異なる6つのアルゴリズム(局所探索アルゴリズム)を紹介した。
実験の結果,提案アルゴリズムは従来の学習アルゴリズムよりも優れた結果が得られることがわかった。
関連論文リスト
- The Rlign Algorithm for Enhanced Electrocardiogram Analysis through R-Peak Alignment for Explainable Classification and Clustering [34.88496713576635]
我々は,サポートベクタマシンや主成分分析などの浅層学習技術をECG信号処理に再導入することを目指している。
そこで我々は,ECG信号を完全に構造化されたフォーマットに効果的に再構成する変換を開発し,評価した。
我々のアプローチは、特に限られたトレーニングデータを扱う場合、CNNよりも浅い機械学習手法に顕著な優位性を示す。
論文 参考訳（メタデータ） (2024-07-22T11:34:47Z) - Artificial Cardiac Conduction System: Simulating Heart Function for Advanced Computational Problem Solving [7.939018398138461]
本研究は, 人工心臓伝導システム(ACCS)と呼ばれるバイオインスパイアされた新しいメタヒューリスティックを提案する。
ACCSアルゴリズムは人間の心臓の機能的振る舞いを模倣し、心臓筋肉に信号を生成し、収縮を開始する。
心筋層の4つのノードは、洞房、房室、His束、Purkinje繊維などの心拍数の生成と制御に関与している。
論文 参考訳（メタデータ） (2024-01-12T09:13:54Z) - 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) - The Cascaded Forward Algorithm for Neural Network Training [61.06444586991505]
本稿では,ニューラルネットワークのための新しい学習フレームワークであるCascaded Forward(CaFo)アルゴリズムを提案する。
FFとは異なり、我々のフレームワークは各カスケードブロックのラベル分布を直接出力する。
我々のフレームワークでは、各ブロックは独立して訓練できるので、並列加速度システムに容易に展開できる。
論文 参考訳（メタデータ） (2023-03-17T02:01:11Z) - 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) - Effective classification of ecg signals using enhanced convolutional
neural network in iot [0.0]
本稿では、動的ソースルーティング(DSR)とエネルギーリンク品質(REL)に基づくIoTヘルスケアプラットフォームのためのルーティングシステムを提案する。
Deep-ECGは、重要な特徴を抽出するためにディープCNNを使用し、単純かつ高速な距離関数を用いて比較する。
その結果,提案手法は分類精度において他よりも優れていることがわかった。
論文 参考訳（メタデータ） (2022-02-08T13:37:23Z) - 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) - Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based
Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。
我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文 参考訳（メタデータ） (2021-10-27T19:28:36Z) - 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) - A Graph-constrained Changepoint Detection Approach for ECG Segmentation [5.209323879611983]
本稿では,前処理ステップを使わずにRピーク位置を確実に検出するための新しいグラフベース最適変化点検出法を提案する。
提案手法は,MIT-BIH不整脈データベース(MIT-BIH-AR)に基づいて,全体の感度 Sen = 99.76,正の予測率 PPR = 99.68,検出誤差率 DER = 0.55 を達成する。
論文 参考訳（メタデータ） (2020-04-24T23:41:41Z)
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。