論文の概要: Review of Machine Learning Algorithms for Brain Stroke Diagnosis and
Prognosis by EEG Analysis
- arxiv url: http://arxiv.org/abs/2008.08118v1
- Date: Thu, 6 Aug 2020 19:50:29 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-02 08:06:22.102870
- Title: Review of Machine Learning Algorithms for Brain Stroke Diagnosis and
Prognosis by EEG Analysis
- Title（参考訳）: 脳波解析による脳卒中診断と予後診断のための機械学習アルゴリズムの検討
- Authors: Mohammad-Parsa Hosseini, Cecilia Hemingway, Jerard Madamba, Alexander
McKee, Natalie Ploof, Jennifer Schuman, and Elliot Voss
- Abstract要約: ストローク(Strokes)は、アメリカ合衆国の成人障害の主要な原因である。
脳-コンピュータインタフェース(Brain-Computer Interfaces、BCI)は、患者の神経経路の回復または電子補綴器との効果的なコミュニケーションを支援する。
さまざまな機械学習技術とアルゴリズムをBCI技術と組み合わせることで、脳卒中治療にBCIを使うことは、有望で急速に拡大する分野であることを示している。
- 参考スコア（独自算出の注目度）: 50.591267188664666
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Currently, strokes are the leading cause of adult disability in the United
States. Traditional treatment and rehabilitation options such as physical
therapy and tissue plasminogen activator are limited in their effectiveness and
ability to restore mobility and function to the patient. As a result, there
exists an opportunity to greatly improve the treatment for strokes. Machine
learning, specifically techniques that utilize Brain-Computer Interfaces (BCIs)
to help the patient either restore neurologic pathways or effectively
communicate with an electronic prosthetic, show promising results when applied
to both stroke diagnosis and rehabilitation. In this review, sources that
design and implement BCIs for treatment of stroke patients are evaluated and
categorized based on their successful applications for stroke diagnosis or
stroke rehabilitation. The various machine learning techniques and algorithms
that are addressed and combined with BCI technology show that the use of BCIs
for stroke treatment is a promising and rapidly expanding field.
- Abstract（参考訳）: 現在、脳卒中は米国における成人障害の主要な原因となっている。
理学療法や組織プラスミノーゲンアクチベーターのような従来の治療やリハビリテーションの選択肢は、患者の移動性と機能を取り戻す効果と能力に制限がある。
その結果、脳卒中に対する治療を大幅に改善する機会がある。
機械学習、特に脳-コンピュータインタフェース(BCI)を使用して、神経系経路の回復または電子補綴物との効果的なコミュニケーションを支援する技術は、脳卒中診断とリハビリテーションの両方に適用した場合、有望な結果を示す。
本総説では、脳卒中患者に対するBCIの設計と実装について、脳卒中診断や脳卒中リハビリテーションへの成功例に基づいて評価し、分類する。
bci技術と組み合わされた様々な機械学習技術とアルゴリズムは、脳卒中治療におけるbcisの使用が有望で急速に拡大していることを示している。
関連論文リスト
- Toward an Integrated Decision Making Framework for Optimized Stroke Diagnosis with DSA and Treatment under Uncertainty [0.0]
DSA (Digital Subtraction Angiography) などの最近の診断法は, 高コストと侵襲性による限界に直面している。
本稿では,部分観測可能なマルコフ決定プロセス(POMDP)フレームワークを用いた新しい手法を提案する。
本モデルは,脳卒中診断における不確かさを考慮に入れた意思決定アルゴリズムと,高度な診断ツールと治療アプローチを統合した。
論文 参考訳（メタデータ） (2024-07-24T03:01:55Z) - Computer aided diagnosis system for Alzheimers disease using principal component analysis and machine learning based approaches [0.0]
アルツハイマー病(英語: Alzheimers disease、AD)は、重度の神経疾患である。
治療はできないが、早期発見は症状の改善に大きく貢献する。
機械学習ベースのアプローチは、医療画像処理タスクのための人気があり、モチベーションのよいモデルである。
論文 参考訳（メタデータ） (2024-04-15T15:49:11Z) - 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) - Automated Fidelity Assessment for Strategy Training in Inpatient
Rehabilitation using Natural Language Processing [53.096237570992294]
戦略トレーニング (Strategy Training) とは、脳卒中後の認知障害患者に障害を減らすためのスキルを教える、リハビリテーションのアプローチである。
標準化された忠実度評価は治療原則の遵守度を測定するために用いられる。
本研究では,ルールベースNLPアルゴリズム,長短項メモリ(LSTM)モデル,および変換器(BERT)モデルからの双方向エンコーダ表現を開発した。
論文 参考訳（メタデータ） (2022-09-14T15:33:30Z) - A review of machine learning approaches, challenges and prospects for
computational tumor pathology [1.2036642553849346]
腫瘍計算病理学は、データ統合、ハードウェア処理、ネットワーク共有帯域幅、機械学習技術に挑戦する。
本稿では,病的・技術的観点から,計算病理学における前処理手法について検討する。
計算病理学応用における機械学習の課題と展望について論じる。
論文 参考訳（メタデータ） (2022-05-31T14:56:01Z) - Enabling AI and Robotic Coaches for Physical Rehabilitation Therapy:
Iterative Design and Evaluation with Therapists and Post-Stroke Survivors [66.07833535962762]
人工知能(AI)とロボットコーチは、社会的相互作用を通じてリハビリテーション運動における患者の関与を改善することを約束する。
これまでの研究は、AIやロボットコーチの運動を自動的に監視する可能性を探ったが、デプロイは依然として難しい課題だ。
我々は,AIとロボットコーチが患者の運動をどのように操作し,指導するかに関する詳細な設計仕様を提示する。
論文 参考訳（メタデータ） (2021-06-15T22:06:39Z) - 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) - Learning Binary Semantic Embedding for Histology Image Classification
and Retrieval [56.34863511025423]
バイナリ・セマンティック・エンベディング(LBSE)の学習方法を提案する。
効率的な埋め込み、分類、検索を行い、組織像の解釈可能なコンピュータ支援診断を提供する。
3つのベンチマークデータセットで実施された実験は、様々なシナリオにおいてLBSEの優位性を検証する。
論文 参考訳（メタデータ） (2020-10-07T08:36:44Z) - 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) - A Review of Computational Approaches for Evaluation of Rehabilitation
Exercises [58.720142291102135]
本稿では,モーションキャプチャシステムを用いたリハビリテーションプログラムにおける患者のパフォーマンスを評価するための計算手法についてレビューする。
エクササイズ評価のための再検討された計算手法は, 離散的な運動スコア, ルールベース, テンプレートベースアプローチの3つのカテゴリに分類される。
論文 参考訳（メタデータ） (2020-02-29T22:18:56Z)
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。