論文の概要: Principle components analysis for seizures prediction using wavelet transform

• arxiv url: http://arxiv.org/abs/2004.07937v1
• Date: Mon, 9 Mar 2020 04:32:57 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-25 08:44:03.353888
• Title: Principle components analysis for seizures prediction using wavelet transform
• Title（参考訳）: ウェーブレット変換を用いた発作予測の原理成分解析
• Authors: Syed Muhammad Usman, Shahzad Latif, Arshad Beg
• Abstract要約: てんかんは、神経細胞の異常な活動によって頻繁に発作を起こす疾患である。 脳の信号の異常な活動は、前立腺状態と呼ばれる発作が起こる前に始まることが観察されている。 本稿では,前処理のための共通空間パターンフィルタリングとウェーブレット変換,特徴抽出のための主成分分析,前処理状態を検出するためのサポートベクトルマシンを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Epilepsy is a disease in which frequent seizures occur due to abnormal activity of neurons. Patients affected by this disease can be treated with the help of medicines or surgical procedures. However, both of these methods are not quite useful. The only method to treat epilepsy patients effectively is to predict the seizure before its onset. It has been observed that abnormal activity in the brain signals starts before the occurrence of seizure known as the preictal state. Many researchers have proposed machine learning models for prediction of epileptic seizures by detecting the start of preictal state. However, pre-processing, feature extraction and classification remains a great challenge in the prediction of preictal state. Therefore, we propose a model that uses common spatial pattern filtering and wavelet transform for preprocessing, principal component analysis for feature extraction and support vector machines for detecting preictal state. We have applied our model on 23 subjects and an average sensitivity of 93.1% has been observed for 84 seizures.
• Abstract（参考訳）: てんかんは、神経細胞の異常な活動によって頻繁に発作を起こす疾患である。 この疾患の影響を受ける患者は、薬や外科手術の助けを借りて治療することができる。 しかし、どちらの方法もあまり役に立たない。 てんかん患者を効果的に治療する唯一の方法は、発症前に発作を予測することである。 脳信号の異常な活動は、前頭葉状態として知られる発作が起こる前に始まることが観察されている。 多くの研究者が、先天状態の開始を検出することによっててんかん発作を予測する機械学習モデルを提案している。 しかし,前処理,特徴抽出,分類は,まだ出生前状態の予測において大きな課題である。 そこで本稿では,前処理における共通空間パターンフィルタリングとウェーブレット変換,特徴抽出のための主成分分析,前処理状態を検出するためのサポートベクトルマシンを提案する。 対象は23名であり,84回の発作では平均93.1%の感度が観察されている。

関連論文リスト

• SepsisLab: Early Sepsis Prediction with Uncertainty Quantification and Active Sensing [67.8991481023825]
  セプシスは米国での院内死亡の主な原因である。 既存の予測モデルは通常、情報不足の少ない高品質なデータで訓練される。 限られた観察により信頼性の低い高リスク患者に対して,ロバストな能動センシングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-07-24T04:47:36Z)
• Modeling methodology for the accurate and prompt prediction of symptomatic events in chronic diseases [0.0]
  慢性疾患における症状発生の予測は、症状が起こる前に決定を下すことができる。 本報告では,慢性疾患の症状的危機の予測限界について検討する。
  論文  参考訳（メタデータ） (2024-02-15T08:30:50Z)
• Remote Medication Status Prediction for Individuals with Parkinson's Disease using Time-series Data from Smartphones [75.23250968928578]
  本稿では,パーキンソン病患者のmPowerデータセットを用いて薬剤状態を予測する方法を提案する。 提案手法は,3つの薬物状態を客観的に予測する上で有望な結果を示す。
  論文  参考訳（メタデータ） (2022-07-26T02:08:08Z)
• DriPP: Driven Point Processes to Model Stimuli Induced Patterns in M/EEG Signals [62.997667081978825]
  我々はDriPPと呼ばれる新しい統計点過程モデルを開発する。 我々は、このモデルのパラメータを推定するために、高速で原理化された予測最大化(EM)アルゴリズムを導出する。 標準MEGデータセットの結果から,我々の手法が事象関連ニューラルレスポンスを明らかにすることが示された。
  論文  参考訳（メタデータ） (2021-12-08T13:07:21Z)
• 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)
• 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)
• STELAR: Spatio-temporal Tensor Factorization with Latent Epidemiological Regularization [76.57716281104938]
  我々は,多くの地域の流行傾向を同時に予測するテンソル法を開発した。 stelarは離散時間差分方程式のシステムを通じて潜在時間正規化を組み込むことで長期予測を可能にする。 我々は、カウンティレベルと州レベルのCOVID-19データの両方を用いて実験を行い、このモデルが流行の興味深い潜伏パターンを識別できることを示します。
  論文  参考訳（メタデータ） (2020-12-08T21:21:47Z)
• 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)
• An Optimal Control Approach to Learning in SIDARTHE Epidemic model [67.22168759751541]
  本研究では,疫病データから動的コンパートメンタルモデルの時間変化パラメータを学習するための一般的な手法を提案する。 我々はイタリアとフランスの疫病の進化を予報する。
  論文  参考訳（メタデータ） (2020-10-28T10:58:59Z)
• Machine Learning for Predicting Epileptic Seizures Using EEG Signals: A Review [1.7959899851975951]
  脳波信号を用いた発作の早期予測における最先端ML手法のレビューを行う。 前もって予測できた場合、てんかん発作の悪影響から患者を救える。 MLベースのアルゴリズムには、てんかん発作の早期かつ正確な予測においてパラダイムシフトをもたらす可能性がある、エキサイティングな新しい展開がある。
  論文  参考訳（メタデータ） (2020-02-04T06:22:24Z)

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。