論文の概要: Automate Obstructive Sleep Apnea Diagnosis Using Convolutional Neural Networks

• arxiv url: http://arxiv.org/abs/2006.07664v1
• Date: Sat, 13 Jun 2020 15:35:18 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-21 21:01:32.622252
• Title: Automate Obstructive Sleep Apnea Diagnosis Using Convolutional Neural Networks
• Title（参考訳）: 畳み込みニューラルネットワークを用いた閉塞型睡眠時無呼吸診断の自動化
• Authors: Longlong Feng and Xu Wang
• Abstract要約: 本稿では,1次元畳み込み層とFCN層を有するCNNアーキテクチャについて述べる。 提案した1次元CNNモデルはPSG信号を手動で前処理することなく優れた分類結果が得られる。
• 参考スコア（独自算出の注目度）: 4.882119124419393
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Identifying sleep problem severity from overnight polysomnography (PSG) recordings plays an important role in diagnosing and treating sleep disorders such as the Obstructive Sleep Apnea (OSA). This analysis traditionally is done by specialists manually through visual inspections, which can be tedious, time-consuming, and is prone to subjective errors. One of the solutions is to use Convolutional Neural Networks (CNN) where the convolutional and pooling layers behave as feature extractors and some fully-connected (FCN) layers are used for making final predictions for the OSA severity. In this paper, a CNN architecture with 1D convolutional and FCN layers for classification is presented. The PSG data for this project are from the Cleveland Children's Sleep and Health Study database and classification results confirm the effectiveness of the proposed CNN method. The proposed 1D CNN model achieves excellent classification results without manually preprocesssing PSG signals such as feature extraction and feature reduction.
• Abstract（参考訳）: 夜間ポリソムノグラフィー(PSG)記録から睡眠障害の重症度を同定することは、閉塞型睡眠時無呼吸症(OSA)などの睡眠障害の診断および治療において重要な役割を担っている。 この分析は従来、ビジュアルインスペクションを通じて専門家が手作業で行っており、退屈で時間がかかり、主観的なエラーを起こしやすい。 解決策の1つは、畳み込み層とプーリング層が特徴抽出器として振る舞う畳み込みニューラルネットワーク(CNN)を使用することで、OSAの重大度を最終的な予測に利用する。 本稿では,分類のための1次元畳み込み層とFCN層を有するCNNアーキテクチャについて述べる。 このプロジェクトのPSGデータは、クリーブランド小児睡眠健康研究データベースから取得し、分類結果から提案したCNN法の有効性を確認した。 提案した1次元CNNモデルは,特徴抽出や特徴縮小といったPSG信号を手動で前処理することなく,優れた分類結果が得られる。

関連論文リスト

• Neural Clamping: Joint Input Perturbation and Temperature Scaling for Neural Network Calibration [62.4971588282174]
  我々はニューラルクランプ法と呼ばれる新しい後処理キャリブレーション法を提案する。 実験の結果,Neural Clampingは最先端の処理後のキャリブレーション法よりも優れていた。
  論文  参考訳（メタデータ） (2022-09-23T14:18:39Z)
• TFN: An Interpretable Neural Network with Time-Frequency Transform Embedded for Intelligent Fault Diagnosis [6.812133175214715]
  畳み込みニューラルネットワーク(CNN)は機械系の故障診断に広く用いられている。 本稿では,時間周波数ネットワーク(TFN, Time-Frequency Network)と呼ばれる新しい解釈可能なニューラルネットワークを提案し,物理的に有意な時間周波数変換(TFT)法を適応前処理層として従来の畳み込み層に組み込む。 本研究では, TFNを定式化する4つの典型的なTFT法について検討し, 3つの機械的故障診断実験によりその妥当性と解釈性を示した。
  論文  参考訳（メタデータ） (2022-09-05T14:48:52Z)
• 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)
• Predicting Sleeping Quality using Convolutional Neural Networks [6.236890292833385]
  本稿では,分類性能を向上させる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。 従来の機械学習手法を含む様々な手法から分類性能をベンチマークする。 精度、感度、特異性、精度、リコール、Fスコアが報告され、研究をシミュレートするためのベースラインとして機能する。
  論文  参考訳（メタデータ） (2022-04-24T21:48:54Z)
• Deep Learning for Sleep Stages Classification: Modified Rectified Linear Unit Activation Function and Modified Orthogonal Weight Initialisation [27.681891555949672]
  本研究の目的は,畳み込みニューラルネットワークの精度を高め,学習時間を短縮することである。 提案システムは,活性化関数としてシグモイド活性化関数の代わりにLeaky Rectified Linear Unit (ReLU) を用いる。
  論文  参考訳（メタデータ） (2022-02-18T18:29:15Z)
• Convolutional Neural Networks for Sleep Stage Scoring on a Two-Channel EEG Signal [63.18666008322476]
  睡眠障害は、世界中の主要な病気の1つです。 専門家が使用する基本的なツールはPolysomnogramで、睡眠中に記録された様々な信号の集合である。 専門家は、標準的なガイドラインの1つに従って異なる信号を採点する必要があります。
  論文  参考訳（メタデータ） (2021-03-30T09:59:56Z)
• TELESTO: A Graph Neural Network Model for Anomaly Classification in Cloud Services [77.454688257702]
  機械学習(ML)と人工知能(AI)はITシステムの運用とメンテナンスに適用される。 1つの方向は、修復自動化を可能にするために、繰り返し発生する異常タイプを認識することである。 与えられたデータの次元変化に不変な手法を提案する。
  論文  参考訳（メタデータ） (2021-02-25T14:24:49Z)
• MRNet: a Multi-scale Residual Network for EEG-based Sleep Staging [5.141687309207561]
  マルチスケール機能融合モデルと逐次補正アルゴリズムを統合し,データ駆動型スリープステージングのためのMRNetと呼ばれる新しいフレームワークを提案する。 EEG信号は、深い機能の表現に影響を与えるネットワーク伝播におけるかなりの詳細な情報を失う。 実験結果は,提案手法の精度とf1得点の両方における競合性能を示す。
  論文  参考訳（メタデータ） (2021-01-07T13:48:30Z)
• An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
  本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。 半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。 本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
  論文  参考訳（メタデータ） (2020-12-06T18:55:07Z)
• Accurate and Efficient Intracranial Hemorrhage Detection and Subtype Classification in 3D CT Scans with Convolutional and Long Short-Term Memory Neural Networks [20.4701676109641]
  RSNA頭蓋内出血検出のためのシステムについて紹介する。 提案システムは,畳み込みニューラルネットワーク(CNN)を用いた軽量深層ニューラルネットワークアーキテクチャに基づいている。 最終テストセットの重み付き平均ログ損失は0.04989で、合計1345名から上位30名(2%)にランクインした。
  論文  参考訳（メタデータ） (2020-08-01T17:28:25Z)
• Retinopathy of Prematurity Stage Diagnosis Using Object Segmentation and Convolutional Neural Networks [68.96150598294072]
  未熟児網膜症(英: Retinopathy of Prematurity、ROP)は、主に体重の低い未熟児に影響を及ぼす眼疾患である。 網膜の血管の増殖を招き、視力喪失を招き、最終的には網膜剥離を招き、失明を引き起こす。 近年,ディープラーニングを用いて診断を自動化する試みが盛んに行われている。 本稿では,従来のモデルの成功を基盤として,オブジェクトセグメンテーションと畳み込みニューラルネットワーク(CNN)を組み合わせた新しいアーキテクチャを開発する。 提案システムでは,まず対象分割モデルを訓練し,画素レベルでの区切り線を識別し,その結果のマスクを追加の"カラー"チャネルとして付加する。
  論文  参考訳（メタデータ） (2020-04-03T14:07:41Z)

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。