WEKO3
インデックスリンク
アイテム
A Missing RR Interval Complement Method Based on Respiratory Features
http://hdl.handle.net/10935/0002005869
http://hdl.handle.net/10935/0002005869c2c3dfd2-417a-4eda-bd63-d599ad14ee6d
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
https://doi.org/10.14326/abe.11.237
|
|
| アイテムタイプ | default_学術雑誌論文 / Journal Article(1) | |||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| タイトル | ||||||||||||
| タイトル | A Missing RR Interval Complement Method Based on Respiratory Features | |||||||||||
| 言語 | en | |||||||||||
| 言語 | ||||||||||||
| 言語 | eng | |||||||||||
| キーワード | ||||||||||||
| 言語 | en | |||||||||||
| 主題Scheme | Other | |||||||||||
| 主題 | RR interval | |||||||||||
| キーワード | ||||||||||||
| 言語 | en | |||||||||||
| 主題Scheme | Other | |||||||||||
| 主題 | respiration | |||||||||||
| キーワード | ||||||||||||
| 言語 | en | |||||||||||
| 主題Scheme | Other | |||||||||||
| 主題 | missing data complement | |||||||||||
| キーワード | ||||||||||||
| 言語 | en | |||||||||||
| 主題Scheme | Other | |||||||||||
| 主題 | multivariate model | |||||||||||
| 資源タイプ | ||||||||||||
| 資源タイプ識別子 | http://purl.org/coar/resource_type/c_6501 | |||||||||||
| 資源タイプ | journal article | |||||||||||
| アクセス権 | ||||||||||||
| アクセス権 | metadata only access | |||||||||||
| アクセス権URI | http://purl.org/coar/access_right/c_14cb | |||||||||||
| 著者 |
野村, 涼子
× 野村, 涼子
× 吉田, 哲也 |
|||||||||||
| 抄録 | ||||||||||||
| 内容記述タイプ | Abstract | |||||||||||
| 内容記述 | Advanced technologies in bioinstrumentation allows easy monitoring of biometric signals such as electrocardiogram (ECG) and respiration. In order to improve unreliable monitoring due to missing RR intervals (RRIs), this paper proposes a missing RRI complement method based on respiratory features. The proposed method first selects respiratory features from the measured data based on Granger causality, and then complements the missing RRIs based on a dynamic linear model (DLM) for RRIs with selected features. The performance of the proposed method was evaluated by comparison with standard spline interpolation, standard regression, and a vector autoregressive (VAR) model. The results are discussed in terms of the effectiveness of respiratory feature selection and utilization of the DLM to capture temporal fluctuations. | |||||||||||
| 言語 | en | |||||||||||
| bibliographic_information |
en : Advanced Biomedical Engineering 巻 11, 号 0, p. 237-248, 発行日 2022 |
|||||||||||
| 出版者 | ||||||||||||
| 出版者 | Japanese Society for Medical and Biological Engineering | |||||||||||
| 言語 | en | |||||||||||
| item_10001_source_id_9 | ||||||||||||
| 収録物識別子タイプ | EISSN | |||||||||||
| 収録物識別子 | 2187-5219 | |||||||||||
| item_10001_relation_14 | ||||||||||||
| 識別子タイプ | DOI | |||||||||||
| 関連識別子 | 10.14326/abe.11.237 | |||||||||||
| 権利 | ||||||||||||
| 権利情報 | © Japanese Society for Medical and Biological Engineering | |||||||||||
| 言語 | en | |||||||||||
| 出版タイプ | ||||||||||||
| 出版タイプ | NA | |||||||||||
| 出版タイプResource | http://purl.org/coar/version/c_be7fb7dd8ff6fe43 | |||||||||||
