| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2019-02-01 13:30 R-R間隔ローレンツプロット画像の人工知能識別による発作性心房細動の検出 木曽原昌也（名古屋市大）・○増田勇人（スズケン）・湯田恵美・早野順一郎（名古屋市大）  MBE2018-79 |
|
| 抄録 | （和） | 心房細動(AF)は脳梗塞の主要な原因である。長時間心電図に含まれる発作性AFは、データ量が膨大である事から、人の視認による検出では信頼性や効率が低い。AF時のR-R間隔のローレンツプロットは特有のパターンを示す。そこで、AFと洞調律(正常)時のローレンツプロット画像を識別するシステムをconvolutional neural networkによる機械学習によって作成し、発作性AFの検出精度の改善を行った。 |
| （英） | To improve the reliability of the detection of atrial fibrillation (AF) by the long-term monitoring of heartbeat signals, we developed machine-learning systems for detecting AF using a Holter ECG big data. Lorenz plot images consisting of 10,035 known AF and 10,107 non-AF samples were provided to the machine learning algorithms of Convolutional Neural Network (CNN). The CNN that detected Lorenz plot of AF with 100% sensitivity and 100% specificity was developed through the deep learning. The developed CNN system classified accurately all 24-h ECG data including at least one paroxysmal AF episode. | |
| キーワード | （和） | 心房細動 / ローレンツプロット / 機械学習 / ニューラルネットワーク / / / / |
| （英） | Atrial fibrillation / Lorenz plot / Machine learning / Convolutional neural network / / / / | |
| 文献情報 | 信学技報, vol. 118, no. 436, MBE2018-79, pp. 107-109, 2019年1月. | |
| 資料番号 | MBE2018-79 | |
| 発行日 | 2019-01-24 (MBE) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | MBE2018-79 |
|
| 研究会情報 | |
| 研究会 | MBE |
| 開催期間 | 2019-01-31 - 2019-02-01 |
| 開催地（和） | 佐賀大学 |
| 開催地（英） | Saga University |
| テーマ（和） | ME, 一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | MBE |
| 会議コード | 2019-01-MBE |
| 本文の言語 | 日本語 |
| タイトル（和） | R-R間隔ローレンツプロット画像の人工知能識別による発作性心房細動の検出 |
| サブタイトル（和） | |
| タイトル（英） | Detection of paroxysmal atrial fibrillation by artificial intelligence discrimination of R-R interval Lorentz plot image |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 心房細動 / Atrial fibrillation |
| キーワード(2)（和/英） | ローレンツプロット / Lorenz plot |
| キーワード(3)（和/英） | 機械学習 / Machine learning |
| キーワード(4)（和/英） | ニューラルネットワーク / Convolutional neural network |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 木曽原 昌也 / Masaya Kisohara / キソハラ マサヤ |
| 第1著者 所属（和/英） | 名古屋市立大学大学院医学研究科 (略称： 名古屋市大) Nagoya City University Graduate School of Medical Sciences (略称： Nagoya City Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 増田 勇人 / Yuto Masuda / マスダ ユウト |
| 第2著者 所属（和/英） | スズケン株式会社 (略称： スズケン) Suzuken Co. Ltd. (略称： Suzuken) |
| 第3著者 氏名（和/英/ヨミ） | 湯田 恵美 / Emi Yuda / ユダ エミ |
| 第3著者 所属（和/英） | 名古屋市立大学大学院医学研究科 (略称： 名古屋市大) Nagoya City University Graduate School of Medical Sciences (略称： Nagoya City Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 早野 順一郎 / Junichiro Hayano / ハヤノ ジュンイチロウ |
| 第4著者 所属（和/英） | 名古屋市立大学大学院医学研究科 (略称： 名古屋市大) Nagoya City University Graduate School of Medical Sciences (略称： Nagoya City Univ.) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第2著者 |
| 発表日時 | 2019-02-01 13:30:00 |
| 発表時間 | 25分 |
| 申込先研究会 | MBE |
| 資料番号 | MBE2018-79 |
| 巻番号（vol） | vol.118 |
| 号番号（no） | no.436 |
| ページ範囲 | pp.107-109 |
| ページ数 | 3 |
| 発行日 | 2019-01-24 (MBE) |
[研究会発表申込システムのトップページに戻る]