論文の概要: Grading the severity of hypoxic-ischemic encephalopathy in newborn EEG using a convolutional neural network

• arxiv url: http://arxiv.org/abs/2005.05561v1
• Date: Tue, 12 May 2020 05:58:27 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-03 20:01:05.529706
• Title: Grading the severity of hypoxic-ischemic encephalopathy in newborn EEG using a convolutional neural network
• Title（参考訳）: 畳み込みニューラルネットワークを用いた新生児脳波における低酸素性虚血性脳症の重症度解析
• Authors: Sumit A. Raurale, Geraldine B. Boylan, Gordon Lightbody and John M. O'Toole
• Abstract要約: 本研究では、深層畳み込みニューラルネットワークを用いて、生の脳波データ内の階層的表現を学習する、新しいエンドツーエンドアーキテクチャを提案する。 本システムは低酸素性虚血性脳症を4段階に分類し,54人の新生児から63時間の多チャンネル脳波データセットを用いて評価した。
• 参考スコア（独自算出の注目度）: 3.2498534294827044
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Electroencephalography (EEG) is a valuable clinical tool for grading injury caused by lack of blood and oxygen to the brain during birth. This study presents a novel end-to-end architecture, using a deep convolutional neural network, that learns hierarchical representations within raw EEG data. The system classifies 4 grades of hypoxic-ischemic encephalopathy and is evaluated on a multi-channel EEG dataset of 63 hours from 54 newborns. The proposed method achieves a testing accuracy of 79.6% with one-step voting and 81.5% with two-step voting. These results show how a feature-free approach can be used to classify different grades of injury in newborn EEG with comparable accuracy to existing feature-based systems. Automated grading of newborn background EEG could help with the early identification of those infants in need of interventional therapies such as hypothermia.
• Abstract（参考訳）: eeg(electroencephalography)は、出生時の脳への血液と酸素の欠如による損傷の診断に有用である。 本研究では,脳波データ中の階層表現を学習する深層畳み込みニューラルネットワークを用いた,新しいエンドツーエンドアーキテクチャを提案する。 低酸素虚血性脳症の4段階を分類し、54人の新生児から63時間の多チャンネル脳波データセットで評価する。 提案手法は,1段階投票で79.6%,2段階投票で81.5%の精度を実現する。 これらの結果は、既存の機能ベースシステムと同等の精度で、新生児脳波の異なる損傷の程度を分類するために、機能のないアプローチがいかに使われるかを示している。 新生児の背景脳波の自動評価は、低体温症などの介入療法を必要とする幼児の早期発見に役立つ。

関連論文リスト

• EKGNet: A 10.96{\mu}W Fully Analog Neural Network for Intra-Patient Arrhythmia Classification [79.7946379395238]
  心電図不整脈分類におけるアナログ計算と深層学習を組み合わせた統合的アプローチを提案する。 本稿では,低消費電力で高精度にアーカイブするハードウェア効率と完全アナログ不整脈分類アーキテクチャであるEKGNetを提案する。
  論文  参考訳（メタデータ） (2023-10-24T02:37:49Z)
• fMRI from EEG is only Deep Learning away: the use of interpretable DL to unravel EEG-fMRI relationships [68.8204255655161]
  多チャンネル脳波データからいくつかの皮質下領域の活性を回復するための解釈可能な領域基底解を提案する。 我々は,皮質下核の血行動態信号の頭皮脳波予測の空間的・時間的パターンを復元する。
  論文  参考訳（メタデータ） (2022-10-23T15:11:37Z)
• Deep Learning Mixture-of-Experts Approach for Cytotoxic Edema Assessment in Infants and Children [0.6291681227094761]
  本稿では,小児の細胞毒性浮腫 (CE) 診断における画像分類のための深層学習フレームワークを提案する。 提案フレームワークは2種類の臨床MRIデータから学習するために最適化された2つの3Dネットワークアーキテクチャを含む。
  論文  参考訳（メタデータ） (2022-10-06T14:21:44Z)
• Neonatal EEG graded for severity of background abnormalities in hypoxic-ischaemic encephalopathy [2.6168876987285303]
  このデータセットは、新生児集中治療室で記録された53人の新生児から169時間の多チャンネル脳波で構成されている。 全新生児に低酸素性虚血性脳症(HIE)と診断された。 グレーディングシステムは、振幅と周波数、連続性、睡眠覚醒サイクリング、対称性と同期、異常波形などの脳波特性を評価する。
  論文  参考訳（メタデータ） (2022-06-09T11:22:29Z)
• Scalable Machine Learning Architecture for Neonatal Seizure Detection on Ultra-Edge Devices [0.0]
  本研究では,機械学習(ML)に基づくアーキテクチャを提案する。 本研究で選択した標準MLモデルよりも6%高い87%の感度を達成した。
  論文  参考訳（メタデータ） (2021-11-29T12:42:13Z)
• Neural Network Based Epileptic EEG Detection and Classification [0.0]
  脳波信号の真の性質をテキスト1次元ベクトルとして保存するモデルが提案されている。 提案モデルは,平均感度81%,特異度81.4%であるボン大学データセットに対して,それぞれ芸術性能の状態を達成している。
  論文  参考訳（メタデータ） (2021-11-05T05:25:40Z)
• SOUL: An Energy-Efficient Unsupervised Online Learning Seizure Detection Classifier [68.8204255655161]
  神経活動を記録して発作を検出するインプラントデバイスは、発作を抑えるために警告を発したり神経刺激を誘発したりするために採用されている。 移植可能な発作検出システムでは、低出力で最先端のオンライン学習アルゴリズムを使用して、神経信号のドリフトに動的に適応することができる。 SOULはTSMCの28nmプロセスで0.1mm2を占め、1.5nJ/分級エネルギー効率を実現した。
  論文  参考訳（メタデータ） (2021-10-01T23:01:20Z)
• Deep Learning for EEG Seizure Detection in Preterm Infants [1.3002050979054345]
  本稿では,乳幼児の新生児発作検出のための新しい深層学習(DL)アーキテクチャについて検討する。 本研究は, 早期乳児を対象とした脳波発作検出アルゴリズムの精度が, 完全長期乳児に対して達成される性能にかなり劣っていることを示すものである。
  論文  参考訳（メタデータ） (2021-05-28T14:03:56Z)
• EEG-Inception: An Accurate and Robust End-to-End Neural Network for EEG-based Motor Imagery Classification [123.93460670568554]
  本稿では,脳波に基づく運動画像(MI)分類のための新しい畳み込みニューラルネットワーク(CNN)アーキテクチャを提案する。 提案したCNNモデル、すなわちEEG-Inceptionは、Inception-Timeネットワークのバックボーン上に構築されている。 提案するネットワークは、生のEEG信号を入力とし、複雑なEEG信号前処理を必要としないため、エンドツーエンドの分類である。
  論文  参考訳（メタデータ） (2021-01-24T19:03:10Z)
• A Novel Transferability Attention Neural Network Model for EEG Emotion Recognition [51.203579838210885]
  脳波感情認識のための伝達型注目ニューラルネットワーク(TANN)を提案する。 TANNは、伝達可能な脳波領域のデータとサンプルを適応的に強調することにより、感情的な識別情報を学習する。 これは、複数の脳領域レベル判別器と1つのサンプルレベル判別器の出力を測定することで実現できる。
  論文  参考訳（メタデータ） (2020-09-21T02:42:30Z)
• Patch-based Brain Age Estimation from MR Images [64.66978138243083]
  磁気共鳴画像(MRI)による脳年齢推定は、被験者の生物学的脳年齢と時系列年齢の違いを導出する。 より高年齢の神経変性を早期に検出することは、より良い医療と患者の計画を促進する可能性がある。 我々は、脳の3Dパッチと畳み込みニューラルネットワーク(CNN)を用いて、局所的な脳年齢推定器を開発する新しいディープラーニングアプローチを開発した。
  論文  参考訳（メタデータ） (2020-08-29T11:50:37Z)

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。