論文の概要: Epileptic Seizures Detection Using Deep Learning Techniques: A Review
- arxiv url: http://arxiv.org/abs/2007.01276v3
- Date: Sat, 29 May 2021 14:18:28 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-14 13:50:42.025010
- Title: Epileptic Seizures Detection Using Deep Learning Techniques: A Review
- Title（参考訳）: 深層学習技術を用いたてんかん発作検出の試み
- Authors: Afshin Shoeibi, Marjane Khodatars, Navid Ghassemi, Mahboobeh Jafari,
Parisa Moridian, Roohallah Alizadehsani, Maryam Panahiazar, Fahime Khozeimeh,
Assef Zare, Hossein Hosseini-Nejad, Abbas Khosravi, Amir F. Atiya, Diba
Aminshahidi, Sadiq Hussain, Modjtaba Rouhani, Saeid Nahavandi, Udyavara
Rajendra Acharya
- Abstract要約: 本研究では,ディープラーニング(DL)技術とニューロイメージングを用いたてんかん発作の自動検出に焦点を当てた。
脳波とMRIを用いたてんかんの診断法について述べる。
脳波とMRIを併用したDLを用いたてんかん自動発作の正確な検出の課題について論じる。
- 参考スコア（独自算出の注目度）: 11.545463604424697
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: A variety of screening approaches have been proposed to diagnose epileptic
seizures, using electroencephalography (EEG) and magnetic resonance imaging
(MRI) modalities. Artificial intelligence encompasses a variety of areas, and
one of its branches is deep learning (DL). Before the rise of DL, conventional
machine learning algorithms involving feature extraction were performed. This
limited their performance to the ability of those handcrafting the features.
However, in DL, the extraction of features and classification are entirely
automated. The advent of these techniques in many areas of medicine, such as in
the diagnosis of epileptic seizures, has made significant advances. In this
study, a comprehensive overview of works focused on automated epileptic seizure
detection using DL techniques and neuroimaging modalities is presented. Various
methods proposed to diagnose epileptic seizures automatically using EEG and MRI
modalities are described. In addition, rehabilitation systems developed for
epileptic seizures using DL have been analyzed, and a summary is provided. The
rehabilitation tools include cloud computing techniques and hardware required
for implementation of DL algorithms. The important challenges in accurate
detection of automated epileptic seizures using DL with EEG and MRI modalities
are discussed. The advantages and limitations in employing DL-based techniques
for epileptic seizures diagnosis are presented. Finally, the most promising DL
models proposed and possible future works on automated epileptic seizure
detection are delineated.
- Abstract（参考訳）: 脳波 (EEG) とMRI (MRI) を用いてててんかん発作の診断に様々な方法が提案されている。
人工知能は様々な分野を包含しており、その分野の1つがディープラーニング(DL)である。
dlの台頭以前は、特徴抽出を含む従来の機械学習アルゴリズムが実行されていた。
これによってパフォーマンスは、その機能を手作りする能力に制限された。
しかし,DLでは特徴抽出と分類は完全に自動化されている。
てんかん発作の診断など、多くの医学分野におけるこれらの技術の出現は、大きな進歩を遂げている。
本研究では,DL技術とニューロイメージングを用いたてんかん発作の自動検出に焦点を当てた研究の概要を概観する。
てんかん発作を脳波とmriを用いて自動的に診断する方法が提案されている。
また,dlを用いたてんかん発作に対するリハビリテーションシステムについても検討し,概説した。
リハビリテーションツールには、クラウドコンピューティング技術とdlアルゴリズムの実装に必要なハードウェアが含まれる。
脳波とMRIを併用したDLを用いたてんかん自動発作の正確な検出における重要な課題について論じる。
てんかん発作診断におけるDL法の有用性と限界について述べる。
最後に、最も有望なDLモデルの提案と、自動てんかん発作検出に関する今後の研究について述べる。
関連論文リスト
- REST: Efficient and Accelerated EEG Seizure Analysis through Residual State Updates [54.96885726053036]
本稿では,リアルタイム脳波信号解析のための新しいグラフベース残状態更新機構(REST)を提案する。
グラフニューラルネットワークとリカレント構造の組み合わせを活用することで、RESTは、非ユークリッド幾何学とEEGデータ内の時間的依存関係の両方を効率的にキャプチャする。
本モデルは,発作検出と分類作業において高い精度を示す。
論文 参考訳（メタデータ） (2024-06-03T16:30:19Z) - A Survey of Artificial Intelligence in Gait-Based Neurodegenerative Disease Diagnosis [51.07114445705692]
神経変性疾患(神経変性疾患、ND)は、伝統的に医学的診断とモニタリングのために広範囲の医療資源と人的努力を必要とする。
重要な疾患関連運動症状として、ヒトの歩行を利用して異なるNDを特徴づけることができる。
人工知能(AI)モデルの現在の進歩は、NDの識別と分類のための自動歩行分析を可能にする。
論文 参考訳（メタデータ） (2024-05-21T06:44:40Z) - Robotic Navigation Autonomy for Subretinal Injection via Intelligent
Real-Time Virtual iOCT Volume Slicing [88.99939660183881]
網膜下注射のための自律型ロボットナビゲーションの枠組みを提案する。
提案手法は,機器のポーズ推定方法,ロボットとi OCTシステム間のオンライン登録,およびインジェクションターゲットへのナビゲーションに適した軌道計画から構成される。
ブタ前眼の精度と再現性について実験を行った。
論文 参考訳（メタデータ） (2023-01-17T21:41:21Z) - 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) - A review on Epileptic Seizure Detection using Machine Learning [0.0]
本研究は特徴選択プロセスと分類性能の体系的な文献レビューを提供する。
既存の文献は、MPDI、IEEEXplore、Wiley、Elsevier、ACM、Springerlinkなどの有名なリポジトリから調査された。
論文 参考訳（メタデータ） (2022-10-05T13:37:45Z) - A Novel TSK Fuzzy System Incorporating Multi-view Collaborative Transfer
Learning for Personalized Epileptic EEG Detection [20.11589208667256]
マルチビュー協調移動学習を統合したTSKファジィシステムに基づくてんかん検出アルゴリズムを提案する。
提案手法はてんかん性脳波を効果的に検出する能力を有する。
論文 参考訳（メタデータ） (2021-11-11T12:15:55Z) - Applications of Epileptic Seizures Detection in Neuroimaging Modalities
Using Deep Learning Techniques: Methods, Challenges, and Future Works [12.393282115173387]
てんかん発作は、世界中の多くの人々に影響を及ぼす神経疾患の一種である。
専門医や神経学者は、様々な種類のてんかん発作を診断するために、構造的および機能的な神経画像モダリティを利用する。
てんかん発作の正確かつ迅速な診断を早める1つの方法は、人工知能(AI)と機能的および構造的ニューロイメージングモダリティに基づくコンピュータ支援診断システム(CADS)を採用することである。
論文 参考訳（メタデータ） (2021-05-29T12:00:39Z) - Applications of Deep Learning Techniques for Automated Multiple
Sclerosis Detection Using Magnetic Resonance Imaging: A Review [11.505730390079645]
多発性硬化症(Multiple Sclerosis、MS)は、神経系の機能に有害な影響を与える人の視覚、感覚、運動の障害を引き起こす脳疾患である。
近年,MRIを用いたMSの正確な診断のために,人工知能(AI)に基づくコンピュータ支援診断システム(CADS)が提案されている。
本稿では,MRI のニューロイメージング・モダリティを用いた DL 技術を用いた自動MS診断法について概説する。
論文 参考訳（メタデータ） (2021-05-11T09:08:48Z) - An Interpretable Multiple-Instance Approach for the Detection of
referable Diabetic Retinopathy from Fundus Images [72.94446225783697]
基礎画像における参照糖尿病網膜症検出のための機械学習システムを提案する。
画像パッチから局所情報を抽出し,アテンション機構により効率的に組み合わせることで,高い分類精度を実現することができる。
我々は,現在入手可能な網膜画像データセットに対するアプローチを評価し,最先端の性能を示す。
論文 参考訳（メタデータ） (2021-03-02T13:14:15Z) - Deep Learning for Neuroimaging-based Diagnosis and Rehabilitation of
Autism Spectrum Disorder: A Review [14.639115166647871]
人工知能(AI)技術は、医師が自動診断とリハビリテーションの手順を適用するのを助ける。
ASDの診断のための深層学習(DL)法は神経画像に基づくアプローチに焦点が当てられている。
本稿では,ASDを識別するためのDLネットワークを用いた研究について述べる。
論文 参考訳（メタデータ） (2020-07-02T17:49:19Z) - 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。