HOMEご利用手順商品サンプルご利用規約お支払いご注文進行確認Q&A、お問い合せカートを見る
電気学会 電子図書館
電気学会HPへ
 HOME > 同研究会の論文誌(論文単位) > 文献詳細
*商品について
表紙はついていません(本文のみ中綴じ製本です)。
号単位でも購入できます。
すべてモノクロ印刷です。
Extended Summaryはついていません。

・会員価格 ¥550
・一般価格 ¥770
カートに入れる
こちらはBookPark「電気学会 電子図書館(IEEJ Electronic Library)」による文献紹介ページです。
会員ログイン
電気学会会員の方はこちらから一旦ログインのうえ、マイページからお入りください。
会員価格で購入することができます。
非会員の方はログインの必要はありません。このまま お進みください。
■論文No.
■ページ数 8ページ
■発行日
2020/12/01
■タイトル

事前学習つき深層ニューラルネットワークを用いた肺聴診音識別―CNN, LSTM, 畳み込みLSTMの性能比較―

■タイトル(英語)

Lung Sound Classification Using Deep Neural Networks with Pre-training―Comparison of the Performance between CNN, LSTM and Convolutional LSTM―

■著者名 若本 亮佑(山口大学大学院創成科学研究科),間普 真吾(山口大学大学院創成科学研究科),木戸 尚治(大阪大学大学院医学系研究科),呉本 尭(山口大学大学院創成科学研究科)
■著者名(英語) Ryosuke Wakamoto (Graduate School of Sciences and Technology for Innovation, Yamaguchi University), Shingo Mabu (Graduate School of Sciences and Technology for Innovation, Yamaguchi University), Shoji Kido (Graduate School of Medicine, Osaka University), Takashi Kuremoto (Graduate School of Sciences and Technology for Innovation, Yamaguchi University)
■価格 会員 ¥550 一般 ¥770
■書籍種類 論文誌(論文単位)
■グループ名 【C】電子・情報・システム部門
■本誌 電気学会論文誌C(電子・情報・システム部門誌) Vol.140 No.12 (2020) 特集:電気・電子・情報関係学会東海支部連合大会
■本誌掲載ページ 1402-1409ページ
■原稿種別 論文/日本語
■電子版へのリンク https://www.jstage.jst.go.jp/article/ieejeiss/140/12/140_1402/_article/-char/ja/
■キーワード 聴診音,深層学習,CNN,LSTM,事前学習  lung sounds,deep learning,CNN,LSTM,pre-training
■要約(日本語)
■要約(英語) Physicians in the medical field have carried heavy burdens of diagnosis because they need to find various diseases of many patients on the basis of various examinations. Recently, to reduce their burdens, deep learning is enthusiastically applied to medical fields. For example, there have been many applications of deep learning to chest CT and X-ray images. However, there are few studies on deep learning for auscultation. Therefore, we aim to build a lung sound classification system using deep learning. Although a large number of data with annotation are generally required for deep learning, it is difficult to collect a sufficient number of lung sounds data. Therefore, we propose some lung sound classification systems with deep learning for efficiently training neural networks with a small number of data. In detail, 1) Mel-Frequency Cepstral Coefficients are used for feature extraction and 2) some pre-training techniques with three types of neural networks such as a convolutional neural network (CNN), long short term memory (LSTM), and convolutional long short term memory (C-LSTM) are designed to realize efficient learning for a small number of lung sounds data. From the experimental results, it is clarified that the proposed pre-training techniques show effective classification performance, and especially, C-LSTM with pre-training achieves higher accuracy than conventional CNN and LSTM.
■版 型 A4
運営会社についてBookPark個人情報保護方針電気学会ホームページ
本サービスは電気学会がコンテンツワークス株式会社に委託して運営しているサービスです。
©Contents Works Inc.