論文の概要: Towards Early Diagnosis of Epilepsy from EEG Data

• arxiv url: http://arxiv.org/abs/2006.06675v2
• Date: Wed, 17 Jun 2020 11:43:08 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-22 13:14:39.856297
• Title: Towards Early Diagnosis of Epilepsy from EEG Data
• Title（参考訳）: 脳波データによるてんかんの早期診断に向けて
• Authors: Diyuan Lu, Sebastian Bauer, Valentin Neubert, Lara Sophie Costard, Felix Rosenow, Jochen Triesch
• Abstract要約: てんかんは最も一般的な神経疾患の1つで、あらゆる年齢の人口の約1%に影響を及ぼす。 そこで本稿では, 発作発生前において, 現代の機械学習(ML)技術がてんかん発生(EPG)を検出できるかどうかを検討する。 本稿では,深層畳み込みニューラルネットワーク(CNN)と予測集約手法を組み合わせたEPG識別のためのMLフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 4.958589793470847
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Epilepsy is one of the most common neurological disorders, affecting about 1% of the population at all ages. Detecting the development of epilepsy, i.e., epileptogenesis (EPG), before any seizures occur could allow for early interventions and potentially more effective treatments. Here, we investigate if modern machine learning (ML) techniques can detect EPG from intra-cranial electroencephalography (EEG) recordings prior to the occurrence of any seizures. For this we use a rodent model of epilepsy where EPG is triggered by electrical stimulation of the brain. We propose a ML framework for EPG identification, which combines a deep convolutional neural network (CNN) with a prediction aggregation method to obtain the final classification decision. Specifically, the neural network is trained to distinguish five second segments of EEG recordings taken from either the pre-stimulation period or the post-stimulation period. Due to the gradual development of epilepsy, there is enormous overlap of the EEG patterns before and after the stimulation. Hence, a prediction aggregation process is introduced, which pools predictions over a longer period. By aggregating predictions over one hour, our approach achieves an area under the curve (AUC) of 0.99 on the EPG detection task. This demonstrates the feasibility of EPG prediction from EEG recordings.
• Abstract（参考訳）: てんかんは最も一般的な神経疾患の1つで、あらゆる年齢の人口の約1%に影響を及ぼす。 てんかんの発生、すなわちてんかんが起こる前にてんかん(EPG)を検出することで、早期の介入や、より効果的な治療が可能になる。 本稿では,発作発生前の頭蓋内脳波(EEG)記録から,現代の機械学習(ML)技術がEPGを検出できるかどうかを検討する。 そこで我々は,脳の電気刺激によってEPGが誘発されるてんかんモデルを用いた。 本稿では,深層畳み込みニューラルネットワーク(CNN)と予測集約手法を組み合わせたEPG識別のためのMLフレームワークを提案する。 具体的には、前刺激期間または後刺激期間から採取した5秒の脳波記録を識別するために、ニューラルネットワークを訓練する。 てんかんの段階的発達により, 刺激前後の脳波パターンの重複が著しい。 これにより、長期にわたって予測をプールする予測集約プロセスが導入された。 1時間以上の予測を集約することにより、EPG検出タスクにおいて、曲線(AUC)の0.99以下の領域を達成できる。 これは脳波記録からのEPG予測の実現可能性を示している。

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)
• Supervised and Unsupervised Deep Learning Approaches for EEG Seizure Prediction [2.3096751699592137]
  てんかんは世界中で5000万人以上の人に影響を与えており、世界でも有数の神経疾患の1つとなっている。 てんかん発作の発生を予測する能力は、てんかんの顔を持つ人のリスクやストレスを軽減する可能性がある。 入射前発作の前兆として, 正常脳波(preictal, pre-seizure)を検出する問題を定式化する。
  論文  参考訳（メタデータ） (2023-04-24T05:21:10Z)
• EEG-Based Epileptic Seizure Prediction Using Temporal Multi-Channel Transformers [1.0970480513577103]
  てんかんは最も一般的な神経疾患の1つで、てんかん発作と呼ばれる過渡期および未発症の事象を特徴とする。 脳波はてんかんの診断とモニタリングを補助的に行う方法である。 てんかん発作の予期せぬ性質を考えると、その予測は患者のケアを改善し、生活の質とてんかんの治療を最適化する。
  論文  参考訳（メタデータ） (2022-09-18T03:03:47Z)
• Task-oriented Self-supervised Learning for Anomaly Detection in Electroencephalography [51.45515911920534]
  タスク指向型自己教師型学習手法を提案する。 大きなカーネルを持つ特定の2つの分岐畳み込みニューラルネットワークを特徴抽出器として設計する。 効果的に設計され、訓練された特徴抽出器は、より優れた特徴表現を脳波から抽出できることが示されている。
  論文  参考訳（メタデータ） (2022-07-04T13:15:08Z)
• 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)
• 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)
• 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-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)
• Prediction of the onset of cardiovascular diseases from electronic health records using multi-task gated recurrent units [51.14334174570822]
  本稿では,電子カルテから心血管イベントを予測するための注意機構を備えたマルチタスク・リカレントニューラルネットワークを提案する。 提案手法は、NHS Foundation Trustの5年間のデータを用いて、標準的な臨床リスク予測器(QRISK)と機械学習の代替手段と比較される。
  論文  参考訳（メタデータ） (2020-07-16T17:43:13Z)
• Staging Epileptogenesis with Deep Neural Networks [4.958589793470847]
  てんかん感受性の上昇につながる構造的および機能的脳変化の過程をてんかん発生(EPG)と呼ぶ 本稿では,深層ニューラルネットワークを用いたEPGのステージング手法を提案し,脳波の異なる位相を識別するために電位脳波(EEG)バイオマーカーを同定する。
  論文  参考訳（メタデータ） (2020-06-17T14:08:12Z)
• Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
  パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。 本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-06T09:02:30Z)

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。