論文の概要: Transfer entropy applied on EEG in depression reveals aberrated dynamics
- arxiv url: http://arxiv.org/abs/2008.13625v1
- Date: Mon, 31 Aug 2020 14:07:20 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-23 07:03:19.507005
- Title: Transfer entropy applied on EEG in depression reveals aberrated dynamics
- Title(参考訳): うつ病における脳波の伝達エントロピーによる異常ダイナミクスの解明
- Authors: Milena Cukic, Slavoljub Radenkovic, Miodrag Stokic, and Danka Savic
- Abstract要約: 大うつ病と健康管理の整合性がある患者から記録された脳波サンプルの転送エントロピー解析を適用した。
これは、MDDにおける標準中心間の接続性と情報の方向の点で、収差力学の初めてのグラフィカルな表現である。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We applied transfer entropy analysis on samples of electroencephalogram
recorded from patients diagnosed with major depressive disorder and matched
healthy controls. This is the first graphical representation of aberrated
dynamics in terms of connectivity and the direction of information between
standard centers in MDD.
- Abstract(参考訳): 大うつ病と健康管理の整合性がある患者から記録された脳波サンプルの転送エントロピー解析を適用した。
これは、mddにおける標準センター間の接続性および情報方向の観点からの収差ダイナミクスの最初のグラフィカル表現である。
関連論文リスト
- Fusing Echocardiography Images and Medical Records for Continuous
Patient Stratification [6.328889967237029]
本研究は, 心血管疾患, 高血圧の表現を学習するために, 医療記録や心エコー図から抽出したすべての記述子を考察する手法を提案する。
提案手法はまず各変数をモダリティ固有のアプローチを用いて表現空間に射影する。
これらの標準化されたマルチモーダルデータの表現は、その後トランスフォーマーエンコーダに送られ、臨床評価を予測するプリテキストタスクを通じて患者の包括的表現にマージされる。
論文 参考訳(メタデータ) (2024-01-15T16:04:46Z) - Simulation-based Inference for Cardiovascular Models [57.92535897767929]
シミュレーションに基づく推論を用いて、波形をプラプシブルな生理的パラメータにマッピングする逆問題を解決する。
臨床応用5種類のバイオマーカーのin-silico不確実性解析を行った。
我々はMIMIC-III波形データベースを用いて,ビビオとシリカのギャップについて検討した。
論文 参考訳(メタデータ) (2023-07-26T02:34:57Z) - Learning Structure-Guided Diffusion Model for 2D Human Pose Estimation [71.24808323646167]
ニューラルネットワークを用いてキーポイントのヒートマップを学習するための新しいスキームである textbfDiffusionPose を提案する。
トレーニング中、キーポイントはノイズを加えることでランダム分布に拡散され、拡散モデルはノイズ付きヒートマップから地中構造熱マップを復元する。
実験では、広く使用されているCOCO、CrowdPose、AI Challengeデータセット上で1.6、1.2、1.2mAPの改善による、私たちのスキームの長所が示されている。
論文 参考訳(メタデータ) (2023-06-29T16:24:32Z) - Semantic Decomposition Improves Learning of Large Language Models on EHR
Data [0.0]
H-BERTは、葉だけを摂取するのではなく、階層的な医療コードの完全なグラフツリー拡張を取り込み、患者レベルのラベルを訪問ごとに押し下げる。
この手法は, AUC と APS を集計し,500 以上の診断クラスにおける患者参加率の予測を有意に改善する。
論文 参考訳(メタデータ) (2022-11-14T14:59:16Z) - The Face of Affective Disorders [7.4005714204825646]
臨床領域における脳刺激の調節によって変化する顔面行動の統計的特性について検討した。
我々は,現代のカメラを用いたリアルタイム信号処理とコンピュータビジョンにのみ依存する,古典的な頭皮型閉塞型センサであるオプト・エレクトロニック・脳波(OEG)の意味で,提示された測定値を命名した。
論文 参考訳(メタデータ) (2022-08-02T11:28:17Z) - Improving the Generalizability of Depression Detection by Leveraging
Clinical Questionnaires [26.302025988210936]
PHQ9に記載された症状の存在により,異なる度合いに制約されたうつ病検出のためのアプローチを提案する。
3つのソーシャルメディアデータセットのデータセット転送実験において、PHQ9の症状をモデルとしてグラウンド化することで、その一般化能力が大幅に向上することがわかった。
論文 参考訳(メタデータ) (2022-04-21T22:57:11Z) - Continuous Forecasting via Neural Eigen Decomposition of Stochastic
Dynamics [47.82509795873254]
本稿では,スパース観測と適応力学を用いた逐次予測のためのニューラル固有SDEアルゴリズムを提案する。
NESDEは、スパース観測による効率的な頻繁な予測を可能にするために、力学モデルに固有分解を適用する。
我々は,MIMIC-IVデータセットにおけるヘパリン投与後の血液凝固の患者適応予測を初めて行った。
論文 参考訳(メタデータ) (2022-01-31T22:16:50Z) - Symmetry-Enhanced Attention Network for Acute Ischemic Infarct
Segmentation with Non-Contrast CT Images [50.55978219682419]
急性虚血性梗塞セグメンテーションのための対称性増強型注意ネットワーク(SEAN)を提案する。
提案するネットワークは、入力されたCT画像を、脳組織が左右対称な標準空間に自動的に変換する。
提案したSEANは、ダイス係数と梗塞局所化の両方の観点から、対称性に基づく最先端の手法より優れている。
論文 参考訳(メタデータ) (2021-10-11T07:13:26Z) - Inferring respiratory and circulatory parameters from electrical
impedance tomography with deep recurrent models [3.857175343610249]
EIT画像から同期計測された呼吸パラメータや循環パラメータを再構成する方法を実証した。
EIT信号だけでは, 絶対体積, 絶対流量, 正常化気道圧, 正常化動脈圧さえも正確に推定できることが実証された。
さらに,EITと絶対気道圧の併用による絶対的肺圧の再構築の可能性も明らかにした。
論文 参考訳(メタデータ) (2020-10-19T16:00:06Z) - A Graph Gaussian Embedding Method for Predicting Alzheimer's Disease
Progression with MEG Brain Networks [59.15734147867412]
アルツハイマー病(AD)に関連する機能的脳ネットワークの微妙な変化を特徴付けることは、疾患進行の早期診断と予測に重要である。
我々は、多重グラフガウス埋め込みモデル(MG2G)と呼ばれる新しいディープラーニング手法を開発した。
我々はMG2Gを用いて、MEG脳ネットワークの内在性潜在性次元を検出し、軽度認知障害(MCI)患者のADへの進行を予測し、MCIに関連するネットワーク変化を伴う脳領域を同定した。
論文 参考訳(メタデータ) (2020-05-08T02:29:24Z) - Learning Dynamic and Personalized Comorbidity Networks from Event Data
using Deep Diffusion Processes [102.02672176520382]
コンコルビンド病は、個人によって異なる複雑な時間的パターンを通じて発生し進行する。
電子的な健康記録では、患者が持つ異なる疾患を観察できるが、それぞれの共死状態の時間的関係を推測できるだけである。
我々は「ダイナミック・コオービディティ・ネットワーク」をモデル化するための深層拡散プロセスを開発する。
論文 参考訳(メタデータ) (2020-01-08T15:47:08Z)
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。