Fugu-MT 論文翻訳(概要): Convolutional Neural Networks for Epileptic Seizure Prediction

論文の概要: Convolutional Neural Networks for Epileptic Seizure Prediction

arxiv url: http://arxiv.org/abs/1811.00915v3
Date: Tue, 11 Apr 2023 13:02:51 GMT
ステータス: 処理完了
システム内更新日: 2023-04-12 20:18:10.055120
Title: Convolutional Neural Networks for Epileptic Seizure Prediction
Title（参考訳）: てんかん発作予測のための畳み込みニューラルネットワーク
Authors: Matthias Eberlein, Raphael Hildebrand, Ronald Tetzlaff, Nico Hoffmann, Levin Kuhlmann, Benjamin Brinkmann and Jens M\"uller
Abstract要約: 発作予測のための頭蓋内脳波(iEEG)の分類法について検討した。従来のアプローチとは対照的に、手作りの特徴の抽出を分類的に控える。 4匹の犬と3人の患者の長期記録を含む3つの異なるモデルが公開データセットで評価されている。
参考スコア（独自算出の注目度）: 0.13192560874022083
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Epilepsy is the most common neurological disorder and an accurate forecast of seizures would help to overcome the patient's uncertainty and helplessness. In this contribution, we present and discuss a novel methodology for the classification of intracranial electroencephalography (iEEG) for seizure prediction. Contrary to previous approaches, we categorically refrain from an extraction of hand-crafted features and use a convolutional neural network (CNN) topology instead for both the determination of suitable signal characteristics and the binary classification of preictal and interictal segments. Three different models have been evaluated on public datasets with long-term recordings from four dogs and three patients. Overall, our findings demonstrate the general applicability. In this work we discuss the strengths and limitations of our methodology.
Abstract（参考訳）: てんかんは最も一般的な神経疾患であり、発作の正確な予測は患者の不確実性と無力さを克服するのに役立つ。そこで本研究では,脳内脳波(ieeg)の発作予測のための新しい分類法について検討した。従来のアプローチとは対照的に,手作りの特徴の抽出をカテゴリー的に控え,適切な信号特性の決定と前期および間期セグメントの2次分類に代えて畳み込みニューラルネットワーク(cnn)トポロジーを用いる。 4匹の犬と3人の患者の長期記録を含む3つの異なるモデルが公開データセットで評価されている。総じて,本研究は一般応用の可能性を示した。本稿では,方法論の強みと限界について論じる。

関連論文リスト

From Epilepsy Seizures Classification to Detection: A Deep Learning-based Approach for Raw EEG Signals [0.8182812460605992]
側頭葉てんかんの3分の1は薬剤耐性を示す。抗敗血症薬開発の鍵となるのはてんかん発作の検出と定量化である。本研究では,脳波信号に適用した深層学習モデルに基づく発作検出パイプラインを提案する。
論文参考訳（メタデータ） (2024-10-04T12:52:37Z)
NeuroExplainer: Fine-Grained Attention Decoding to Uncover Cortical Development Patterns of Preterm Infants [73.85768093666582]
我々はNeuroExplainerと呼ばれる説明可能な幾何学的深層ネットワークを提案する。 NeuroExplainerは、早産に伴う幼児の皮質発達パターンの解明に使用される。
論文参考訳（メタデータ） (2023-01-01T12:48:12Z)
White Matter Tracts are Point Clouds: Neuropsychological Score Prediction and Critical Region Localization via Geometric Deep Learning [68.5548609642999]
ホワイトマタートラクトデータを用いた神経心理学的スコア予測のためのディープラーニングに基づくフレームワークを提案する。各点の微細構造測定を行う点雲として, arcuate fasciculus (AF) を表現した。 Paired-Siamese Lossでは,連続した神経心理学的スコアの違いに関する情報を利用した予測性能を改善した。
論文参考訳（メタデータ） (2022-07-06T02:03:28Z)
A Deep Learning Approach to Predicting Collateral Flow in Stroke Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。実際のグレーティングは主に、取得した画像の手動検査によって行われる。 MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
論文参考訳（メタデータ） (2021-10-24T18:58:40Z)
Stroke recovery phenotyping through network trajectory approaches and graph neural networks [0.966840768820136]
トラジェクトリプロファイルクラスタリング (TPC) 法を用いて, NINDS tPAトライアルのデータを分析し, 異なる脳卒中回復パターンを同定する。臨床的に関連のある脳卒中症候群と一致した3つの異なる脳卒中軌跡について検討した。
論文参考訳（メタデータ） (2021-09-29T18:46:08Z)
An End-to-End Deep Learning Approach for Epileptic Seizure Prediction [4.094649684498489]
畳み込みニューラルネットワーク(CNN)を用いたエンドツーエンドディープラーニングソリューションを提案する。総合感度、誤予測率、受信機動作特性曲線下の面積は、それぞれ2つのデータセットで93.5%、0.063/h、0.981、98.8%、0.074/h、0.988に達する。
論文参考訳（メタデータ） (2021-08-17T05:49:43Z)
Transfer Learning of Deep Spatiotemporal Networks to Model Arbitrarily Long Videos of Seizures [58.720142291102135]
てんかん患者の治療には, てんかんセミノロジーの詳細な分析が重要である。本稿では、畳み込みニューラルネットワーク(CNN)とリカレントニューラルネットワーク(RNN)を組み合わせた新しいアーキテクチャであるGESTURESを紹介する。本稿では,HARデータセットでトレーニングしたSTCNNとRNNを組み合わせて,任意の長さの発作映像を正確に表現できることを示す。
論文参考訳（メタデータ） (2021-06-22T18:40:31Z)
And/or trade-off in artificial neurons: impact on adversarial robustness [91.3755431537592]
ネットワークに十分な数のOR様ニューロンが存在すると、分類の脆さと敵の攻撃に対する脆弱性が増加する。そこで我々は,AND様ニューロンを定義し,ネットワーク内での割合を増大させる対策を提案する。 MNISTデータセットによる実験結果から,本手法はさらなる探索の方向として有望であることが示唆された。
論文参考訳（メタデータ） (2021-02-15T08:19:05Z)
Patient-independent Epileptic Seizure Prediction using Deep Learning Models [39.19336481493405]
発作予知システムの目的は、発作が起こる前に起こる前頭前脳のステージを正常に識別することである。患者に依存しない発作予測モデルは、データセット内の複数の被験者に正確なパフォーマンスを提供するように設計されている。患者に依存しない2つの深層学習アーキテクチャを提案する。
論文参考訳（メタデータ） (2020-11-18T23:13:48Z)
Patient-Specific Seizure Prediction Using Single Seizure Electroencephalography Recording [16.395309518579914]
本稿では、ウェーブレット変換されたEEGテンソルを畳み込みニューラルネットワーク(CNN)をベースネットワークとし、脳波の変化点を検出するシームズニューラルネットワークに基づく発作予測手法を提案する。本手法では, 発作予知に複数の発作を応用したモデルに比較して, 10分未満の先天的および間天的データに翻訳する訓練に1回の発作しか必要としない。
論文参考訳（メタデータ） (2020-11-14T03:45:17Z)
Neuro-symbolic Neurodegenerative Disease Modeling as Probabilistic Programmed Deep Kernels [93.58854458951431]
本稿では、神経変性疾患のパーソナライズされた予測モデリングのための、確率的プログラムによる深層カーネル学習手法を提案する。我々の分析は、ニューラルネットワークとシンボリック機械学習のアプローチのスペクトルを考慮する。我々は、アルツハイマー病の予測問題について評価を行い、深層学習を超越した結果を得た。
論文参考訳（メタデータ） (2020-09-16T15:16:03Z)

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。