論文の概要: Binary and Multiclass Classifiers based on Multitaper Spectral Features for Epilepsy Detection

• arxiv url: http://arxiv.org/abs/2004.03456v1
• Date: Thu, 2 Apr 2020 17:12:33 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-17 10:04:41.911379
• Title: Binary and Multiclass Classifiers based on Multitaper Spectral Features for Epilepsy Detection
• Title（参考訳）: てんかん検出のためのマルチペアスペクトル特徴に基づくバイナリ・マルチクラス分類器
• Authors: Jefferson Tales Oliva and Jo\~ao Lu\'is Garcia Rosa
• Abstract要約: てんかんは脳波(EEG)で診断できる最も一般的な神経疾患の1つである 本稿では,二分分類と多クラス分類の2つの区別文脈にてんかん検出の新しい手法を提案する。
• 参考スコア（独自算出の注目度）: 1.721147796970279
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Epilepsy is one of the most common neurological disorders that can be diagnosed through electroencephalogram (EEG), in which the following epileptic events can be observed: pre-ictal, ictal, post-ictal, and interictal. In this paper, we present a novel method for epilepsy detection into two differentiation contexts: binary and multiclass classification. For feature extraction, a total of 105 measures were extracted from power spectrum, spectrogram, and bispectrogram. For classifier building, eight different machine learning algorithms were used. Our method was applied in a widely used EEG database. As a result, random forest and backpropagation based on multilayer perceptron algorithms reached the highest accuracy for binary (98.75%) and multiclass (96.25%) classification problems, respectively. Subsequently, the statistical tests did not find a model that would achieve a better performance than the other classifiers. In the evaluation based on confusion matrices, it was also not possible to identify a classifier that stands out in relation to other models for EEG classification. Even so, our results are promising and competitive with the findings in the literature.
• Abstract（参考訳）: てんかんは、脳波(eeg)によって診断できる最も一般的な神経疾患の1つであり、以下のてんかん事象が観察される(前ictal、ictal、後ictal、interictal)。 本稿では,2値分類と多値分類の2つの区別文脈にてんかん検出の新しい手法を提案する。 特徴抽出には、パワースペクトル、スペクトログラム、バイスペクトログラムから合計105個の測定値が抽出された。 分類器の構築には8種類の機械学習アルゴリズムが用いられた。 本手法は広く利用されている脳波データベースに適用した。 その結果、ランダムフォレストと多層パーセプトロンアルゴリズムに基づくバックプロパゲーションは、それぞれバイナリ(98.75%)とマルチクラス(96.25%)の分類問題において最高精度に達した。 その後、統計検査では、他の分類器よりも優れた性能が得られるモデルが見つからなかった。 また,混乱行列に基づく評価では,脳波分類において他のモデルと関連して際立った分類器を特定することもできなかった。 それでも、結果は文献の調査結果と有望で競争力があります。

関連論文リスト

• A Diagnostic Model for Acute Lymphoblastic Leukemia Using Metaheuristics and Deep Learning Methods [6.318593483920089]
  急性リンパ性白血病(ALL)重症度は、爆発細胞の存在と比率によって決定される。 本稿では,ResNetをベースとした特徴抽出器を用いて,さまざまな特徴抽出器や分類器とともにALLを検出する。 この手法は90.71%の精度と95.76%の感度を達成し、このデータセットの指標は他よりも優れていた。
  論文  参考訳（メタデータ） (2024-06-02T13:25:44Z)
• Multi-task Explainable Skin Lesion Classification [54.76511683427566]
  少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。 提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
  論文  参考訳（メタデータ） (2023-10-11T05:49:47Z)
• MP-SeizNet: A Multi-Path CNN Bi-LSTM Network for Seizure-Type Classification Using EEG [2.1915057426589746]
  てんかん患者の治療と管理には, 精垂型鑑別が不可欠である。 本稿では,MP-SeizNetを用いた新しいマルチパス・アセプション型ディープラーニング・ネットワークを提案する。 MP-SeizNetは、畳み込みニューラルネットワーク(CNN)と、注意機構を備えた双方向長短期記憶ニューラルネットワーク(Bi-LSTM)で構成されている。
  論文  参考訳（メタデータ） (2022-11-09T01:07:20Z)
• Multi-class versus One-class classifier in spontaneous speech analysis oriented to Alzheimer Disease diagnosis [58.720142291102135]
  本研究の目的は,音声信号から抽出した新しいバイオマーカーを用いて自動解析を行うことにより,ADの早期診断と重症度評価の改善に寄与することである。 外付け器とフラクタル次元の機能に関する情報を使用することで、システムの性能が向上する。
  論文  参考訳（メタデータ） (2022-03-21T09:57:20Z)
• Multiple Time Series Fusion Based on LSTM An Application to CAP A Phase Classification Using EEG [56.155331323304]
  本研究では,深層学習に基づく脳波チャンネルの特徴レベル融合を行う。 チャネル選択,融合,分類手順を2つの最適化アルゴリズムで最適化した。
  論文  参考訳（メタデータ） (2021-12-18T14:17:49Z)
• Vision Transformers for femur fracture classification [59.99241204074268]
  Vision Transformer (ViT) はテスト画像の83%を正確に予測することができた。 史上最大かつ最もリッチなデータセットを持つサブフラクチャーで良い結果が得られた。
  論文  参考訳（メタデータ） (2021-08-07T10:12:42Z)
• A SPA-based Manifold Learning Framework for Motor Imagery EEG Data Classification [2.4727719996518487]
  本稿では,運動画像(MI)タスクから2種類の脳波データを分類するための多様体学習フレームワークを提案する。 特徴抽出のために、前処理された脳波信号から共通空間パターン(CSP)によって実装される。 分類のための特徴の近傍では、データの支持に対する局所近似が得られ、次に最も近い支持を持つクラスに特徴が割り当てられる。
  論文  参考訳（メタデータ） (2021-07-30T06:18:05Z)
• Learning Gaussian Mixtures with Generalised Linear Models: Precise Asymptotics in High-dimensions [79.35722941720734]
  多クラス分類問題に対する一般化線形モデルは、現代の機械学習タスクの基本的な構成要素の1つである。 実験的リスク最小化による高次元推定器の精度を実証する。 合成データの範囲を超えて我々の理論をどのように適用できるかを論じる。
  論文  参考訳（メタデータ） (2021-06-07T16:53:56Z)
• Multiclass Anomaly Detection in GI Endoscopic Images using Optimized Deep One-class Classification in an Imbalanced Dataset [0.0]
  ワイヤレスカプセル内視鏡は、医師が消化管を非侵襲的に検査するのに役立つ。 KID2やKvasirのような利用可能なデータセットの多くは、効果的な人工知能(AI)システムのトレーニングを難しくする不均衡な問題に悩まされている。 本研究では,一類分類器のアンサンブルを用いて異常を検出する。
  論文  参考訳（メタデータ） (2021-03-15T16:28:42Z)
• Theoretical Insights Into Multiclass Classification: A High-dimensional Asymptotic View [82.80085730891126]
  線形多クラス分類の最初の現代的精度解析を行う。 分析の結果,分類精度は分布に依存していることがわかった。 得られた洞察は、他の分類アルゴリズムの正確な理解の道を開くかもしれない。
  論文  参考訳（メタデータ） (2020-11-16T05:17:29Z)
• Epileptic Seizure Classification with Symmetric and Hybrid Bilinear Models [20.376912072606412]
  本稿では, 難治性てんかんの診断に応用したハイブリッドバイリニア深層学習ネットワークを提案する。 診断の精度は、医療症状の重複、様々な経験のレベル、および臨床専門職間の多様性によっても複雑である。
  論文  参考訳（メタデータ） (2020-01-15T03:22:10Z)

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。