論文の概要: Implementation of Deep Neural Networks to Classify EEG Signals using
Gramian Angular Summation Field for Epilepsy Diagnosis
- arxiv url: http://arxiv.org/abs/2003.04534v1
- Date: Sun, 8 Mar 2020 17:30:14 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-25 14:43:44.633795
- Title: Implementation of Deep Neural Networks to Classify EEG Signals using
Gramian Angular Summation Field for Epilepsy Diagnosis
- Title(参考訳): てんかん診断のためのグラミアン角和場を用いた脳波信号分類のためのディープニューラルネットワークの実装
- Authors: K. Palani Thanaraj, B. Parvathavarthini, U. John Tanik, V.
Rajinikanth, Seifedine Kadry, K. Kamalanand
- Abstract要約: 本稿では、ディープニューラルネットワーク(DNN)を用いたてんかん診断における脳波などの画像時系列データのアプローチについて検討する。
トランスファーラーニングアプローチに基づくてんかん検出には,3つの事前学習したディープニューラルネットワークが有効である。
GASF画像からのてんかん診断のために, バッチ正規化, マックスプール層, デンス層という3つのCNN層を持つカスタム畳み込みニューラルネットワーク(CNN)を提案する。
- 参考スコア(独自算出の注目度): 1.2807356266718457
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper evaluates the approach of imaging timeseries data such as EEG in
the diagnosis of epilepsy through Deep Neural Network (DNN). EEG signal is
transformed into an RGB image using Gramian Angular Summation Field (GASF).
Many such EEG epochs are transformed into GASF images for the normal and focal
EEG signals. Then, some of the widely used Deep Neural Networks for image
classification problems are used here to detect the focal GASF images. Three
pre-trained DNN such as the AlexNet, VGG16, and VGG19 are validated for
epilepsy detection based on the transfer learning approach. Furthermore, the
textural features are extracted from GASF images, and prominent features are
selected for a multilayer Artificial Neural Network (ANN) classifier. Lastly, a
Custom Convolutional Neural Network (CNN) with three CNN layers, Batch
Normalization, Max-pooling layer, and Dense layers, is proposed for epilepsy
diagnosis from GASF images. The results of this paper show that the Custom CNN
model was able to discriminate against the focal and normal GASF images with an
average peak Precision of 0.885, Recall of 0.92, and F1-score of 0.90.
Moreover, the Area Under the Curve (AUC) value of the Receiver Operating
Characteristic (ROC) curve is 0.92 for the Custom CNN model. This paper
suggests that Deep Learning methods widely used in image classification
problems can be an alternative approach for epilepsy detection from EEG signals
through GASF images.
- Abstract(参考訳): 本稿では,深層ニューラルネットワーク(dnn)によるてんかんの診断における脳波などの画像時系列データのアプローチを評価する。
EEG信号は、Gramian Angular Summation Field (GASF)を用いてRGB画像に変換する。
多くの脳波エポックは正常脳波および焦点脳波信号のgasf画像に変換される。
次に、画像分類問題に広く用いられている深層ニューラルネットワークのいくつかを用いて、焦点gasf画像を検出する。
AlexNet、VGG16、VGG19の3つの事前訓練DNNが、転写学習アプローチに基づいてててんかん検出のために検証されている。
さらに、GASF画像からテクスチャ特徴を抽出し、多層ニューラルネットワーク(ANN)分類器において顕著な特徴を選択する。
最後に, GASF画像からのてんかん診断のために, バッチ正規化, Max-pooling, Denseの3層からなるカスタム畳み込みニューラルネットワーク(CNN)を提案する。
この結果から, 平均ピーク精度0.885, リコール率0.92, F1スコア0.90のGASF画像に対して, カスタムCNNモデルで識別できることが示唆された。
さらに、受信器動作特性(ROC)曲線のAUC値は、カスタムCNNモデルでは0.92である。
本稿では,画像分類問題において広く用いられている深層学習手法が,脳波信号からgcf画像によるてんかん検出の代替手法となることを示唆する。
関連論文リスト
- WATUNet: A Deep Neural Network for Segmentation of Volumetric Sweep
Imaging Ultrasound [1.2903292694072621]
ボリューム・スイープ・イメージング(VSI)は、訓練を受けていないオペレーターが高品質な超音波画像をキャプチャできる革新的な手法である。
本稿ではWavelet_Attention_UNet(WATUNet)と呼ばれる新しいセグメンテーションモデルを提案する。
このモデルでは、簡単な接続ではなく、ウェーブレットゲート(WG)とアテンションゲート(AG)をエンコーダとデコーダの間に組み込んで、上記の制限を克服する。
論文 参考訳(メタデータ) (2023-11-17T20:32:37Z) - A novel approach for glaucoma classification by wavelet neural networks
using graph-based, statisitcal features of qualitatively improved images [0.0]
我々は、最適な拡張網膜画像特徴にウェーブレットニューラルネットワーク(WNN)を用いた新しい緑内障分類手法を提案する。
WNN分類器の性能は、様々なデータセットを持つ多層パーセプトロンニューラルネットワークと比較される。
論文 参考訳(メタデータ) (2022-06-24T06:19:30Z) - Preservation of High Frequency Content for Deep Learning-Based Medical
Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。
本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文 参考訳(メタデータ) (2022-05-08T15:29:54Z) - Two-Stream Graph Convolutional Network for Intra-oral Scanner Image
Segmentation [133.02190910009384]
本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。
TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
論文 参考訳(メタデータ) (2022-04-19T10:41:09Z) - Stain Normalized Breast Histopathology Image Recognition using
Convolutional Neural Networks for Cancer Detection [9.826027427965354]
近年の進歩により、畳み込みニューラルネットワーク(CNN)アーキテクチャは乳がん検出のためのコンピュータ支援診断(CAD)システムの設計に利用できることが示されている。
乳腺病理像の2値分類のためのCNNモデルについて検討した。
我々は,200倍,400倍に拡大した病理像に対して,トレーニング済みのCNNネットワークを利用可能なBreaKHisデータセットで検証した。
論文 参考訳(メタデータ) (2022-01-04T03:09:40Z) - CNN Filter Learning from Drawn Markers for the Detection of Suggestive
Signs of COVID-19 in CT Images [58.720142291102135]
畳み込みニューラルネットワーク(CNN)のフィルタを推定するために,大規模な注釈付きデータセットやバックプロパゲーションを必要としない手法を提案する。
少数のCT画像に対して、ユーザは、代表的な正常領域と異常領域にマーカーを描画する。
本発明の方法は、カーネルがマークされたものに似た拡張領域に特有な一連の畳み込み層からなる特徴抽出器を生成する。
論文 参考訳(メタデータ) (2021-11-16T15:03:42Z) - EEG-GNN: Graph Neural Networks for Classification of
Electroencephalogram (EEG) Signals [20.991468018187362]
畳み込みニューラルネットワーク(CNN)は脳波(EEG)から主観的不変の特徴を抽出するために頻繁に用いられる。
電極部位の機能的ネットワークに対する2次元グリッド型入力に適用される畳み込みとプーリングの概念を調整することにより、この制限を克服する。
我々は,グラフのノードに電極を投影する様々なグラフニューラルネットワーク(GNN)モデルを開発し,ノードの特徴を試行錯誤時に収集したEEGチャネルのサンプルとして表現し,ノードを重み付き/非重み付きエッジで接続する。
論文 参考訳(メタデータ) (2021-06-16T21:19:12Z) - Learning Hybrid Representations for Automatic 3D Vessel Centerline
Extraction [57.74609918453932]
3次元医用画像からの血管の自動抽出は血管疾患の診断に不可欠である。
既存の方法では、3次元画像からそのような細い管状構造を分割する際に、抽出された容器の不連続に悩まされることがある。
抽出された船舶の連続性を維持するためには、地球的幾何学を考慮に入れる必要があると論じる。
この課題を解決するためのハイブリッド表現学習手法を提案します。
論文 参考訳(メタデータ) (2020-12-14T05:22:49Z) - Automated Prostate Cancer Diagnosis Based on Gleason Grading Using
Convolutional Neural Network [12.161266795282915]
そこで本研究では,前立腺癌(PCa)の完全分類のための畳み込みニューラルネットワーク(CNN)を用いた自動分類法を提案する。
Patch-Based Image Reconstruction (PBIR) と呼ばれるデータ拡張手法が提案され,WSIの高分解能化と多様性の向上が図られた。
対象データセットへの事前学習モデルの適応性を高めるために,分布補正モジュールを開発した。
論文 参考訳(メタデータ) (2020-11-29T06:42:08Z) - Video-based Facial Expression Recognition using Graph Convolutional
Networks [57.980827038988735]
我々は、ビデオベースの表情認識のための共通のCNN-RNNモデルに、GCN(Graph Convolutional Network)層を導入する。
我々は、CK+、Oulu-CASIA、MMIの3つの広く使われているデータセットと、AFEW8.0の挑戦的なワイルドデータセットについて、本手法の評価を行った。
論文 参考訳(メタデータ) (2020-10-26T07:31:51Z) - Neural Cellular Automata Manifold [84.08170531451006]
ニューラルセルラーオートマタのニューラルネットワークアーキテクチャは、より大きなNNにカプセル化可能であることを示す。
これにより、NAAの多様体を符号化する新しいモデルを提案し、それぞれが異なる画像を生成することができる。
生物学的には、我々のアプローチは転写因子の役割を担い、細胞の分化を促進する特定のタンパク質への遺伝子マッピングを調節する。
論文 参考訳(メタデータ) (2020-06-22T11:41:57Z)
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。