論文の概要: EEG based Major Depressive disorder and Bipolar disorder detection using
Neural Networks: A review
- arxiv url: http://arxiv.org/abs/2009.13402v2
- Date: Thu, 4 Feb 2021 18:58:54 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-13 22:42:24.515974
- Title: EEG based Major Depressive disorder and Bipolar disorder detection using
Neural Networks: A review
- Title(参考訳): 脳波による大うつ病とニューラルネットによる双極性障害の検出
- Authors: Sana Yasin, Syed Asad Hussain, Sinem Aslan, Imran Raza, Muhammad
Muzammel, Alice Othmani
- Abstract要約: 近年,バイオマーカーを用いた精神疾患の表現型的特徴付けが求められている。
脳波信号はMDDとBDに豊富なサインを与え、これらの精神疾患の病態生理学的メカニズムの理解を改善することができる。
このレビューは、脳波信号を用いてうつ病や双極性障害の認識に取り組んでいる研究者にとって、構造化され価値のある最初のポイントであることが証明される。
- 参考スコア(独自算出の注目度): 4.611395301352823
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Mental disorders represent critical public health challenges as they are
leading contributors to the global burden of disease and intensely influence
social and financial welfare of individuals. The present comprehensive review
concentrate on the two mental disorders: Major depressive Disorder (MDD) and
Bipolar Disorder (BD) with noteworthy publications during the last ten years.
There is a big need nowadays for phenotypic characterization of psychiatric
disorders with biomarkers. Electroencephalography (EEG) signals could offer a
rich signature for MDD and BD and then they could improve understanding of
pathophysiological mechanisms underling these mental disorders. In this review,
we focus on the literature works adopting neural networks fed by EEG signals.
Among those studies using EEG and neural networks, we have discussed a variety
of EEG based protocols, biomarkers and public datasets for depression and
bipolar disorder detection. We conclude with a discussion and valuable
recommendations that will help to improve the reliability of developed models
and for more accurate and more deterministic computational intelligence based
systems in psychiatry. This review will prove to be a structured and valuable
initial point for the researchers working on depression and bipolar disorders
recognition by using EEG signals.
- Abstract(参考訳): 精神疾患は、世界的な疾病の負担に主要な貢献者であり、個人の社会的・経済的福祉に大きな影響を与えているため、公衆衛生上の重要な課題である。
本研究は,過去10年間に注目された,うつ病性障害(MDD)と双極性障害(BD)の2つの精神疾患に焦点を当てた総合的なレビューである。
近年,バイオマーカーを用いた精神疾患の表現型的特徴付けが求められている。
脳波(EEG)信号はMDDとBDに豊富なサインを与え、これらの精神疾患の病態生理学的メカニズムの理解を改善することができる。
本稿では,脳波信号によるニューラルネットワークの導入に関する文献研究に焦点をあてる。
脳波およびニューラルネットワークを用いた研究の中で,うつ病および双極性障害検出のための各種脳波プロトコル,バイオマーカー,公開データセットについて検討した。
結論として, 発達モデルの信頼性向上と, 精神医学におけるより正確で決定論的計算知性に基づくシステムの実現に寄与する, 議論と貴重な勧告をまとめる。
このレビューは、脳波信号を用いてうつ病と双極性障害の認識に取り組む研究者にとって、構造化され価値のある最初のポイントとなることを証明します。
関連論文リスト
- An ADHD Diagnostic Interface Based on EEG Spectrograms and Deep Learning Techniques [7.43546591259295]
本稿では,脳波(EEG)信号に対する深層学習(DL)技術を用いた注意欠陥・高活動障害(ADHD)診断への革新的アプローチを提案する。
公開されているEEGデータセットを活用して信号をスペクトログラムに変換することで、ADHD分類のための特徴抽出にResnet-18畳み込みニューラルネットワーク(CNN)アーキテクチャを使用した。
モデルでは高い精度、リコール、F1総合スコアは0.9。
論文 参考訳(メタデータ) (2024-12-03T18:59:35Z) - Brain-Computer Interfaces for Emotional Regulation in Patients with Various Disorders [0.0]
この研究は、脳波データを理解するための新しいニューラルネットワークアルゴリズムの開発に焦点を当てている。
データ分析は、アルゴリズムが高い精度で感情状態の分類に成功し、有望な結果を示す。
このことは、脳波に基づくBCIは、感情の認識と制御において、様々な神経学的および生理的障害を持つ個人を支援する貴重なツールとなる可能性があることを示唆している。
論文 参考訳(メタデータ) (2024-11-22T01:57:14Z) - A Novel Audio-Visual Information Fusion System for Mental Disorders Detection [6.3344832182228]
メンタル障害は、世界的な医療課題に最も貢献している。
本稿では,精神疾患の感情表現機能に着目し,音声・視覚情報入力に基づくマルチモーダル精神障害診断システムを導入する。
提案システムは空間的時間的注意ネットワークをベースとし,より計算力の低い事前学習音声認識ネットワークを用いて,より優れた結果を得るためにビデオ認識モジュールを微調整する。
論文 参考訳(メタデータ) (2024-09-03T19:16:36Z) - Discovering robust biomarkers of psychiatric disorders from resting-state functional MRI via graph neural networks: A systematic review [4.799269666410891]
障害予測タスクのためのfMRIデータセットに対して,GNNとモデル説明可能性技術がどのように適用されてきたかを検討する。
精神疾患に対するfMRIバイオマーカーを報告したGNNを用いて65種類の研究を同定した。
バイオマーカーのロバスト性を決定するために,客観的評価指標に基づく新しい標準を確立することを提案する。
論文 参考訳(メタデータ) (2024-05-01T15:29:55Z) - Empowering Psychotherapy with Large Language Models: Cognitive
Distortion Detection through Diagnosis of Thought Prompting [82.64015366154884]
本研究では,認知的歪み検出の課題について検討し,思考の早期発見(DoT)を提案する。
DoTは、事実と思考を分離するための主観的評価、思考と矛盾する推論プロセスを引き出すための対照的な推論、認知スキーマを要約するスキーマ分析という3つの段階を通して、患者のスピーチの診断を行う。
実験により、DoTは認知的歪み検出のためのChatGPTよりも大幅に改善され、一方で人間の専門家が承認した高品質な合理性を生成することが示された。
論文 参考訳(メタデータ) (2023-10-11T02:47:21Z) - A Knowledge-Driven Cross-view Contrastive Learning for EEG
Representation [48.85731427874065]
本稿では,限られたラベルを持つ脳波から効果的な表現を抽出する知識駆動型クロスビューコントラスト学習フレームワーク(KDC2)を提案する。
KDC2法は脳波信号の頭皮と神経のビューを生成し、脳活動の内部および外部の表現をシミュレートする。
ニューラル情報整合性理論に基づく事前のニューラル知識をモデル化することにより、提案手法は不変かつ相補的なニューラル知識を抽出し、複合表現を生成する。
論文 参考訳(メタデータ) (2023-09-21T08:53:51Z) - Handwriting and Drawing for Depression Detection: A Preliminary Study [53.11777541341063]
精神健康に対する短期的コビデンスの影響は、不安や抑うつ症状の顕著な増加であった。
本研究の目的は、健康な人とうつ病患者を識別するために、オンライン手書き・図面解析という新しいツールを使用することである。
論文 参考訳(メタデータ) (2023-02-05T22:33:49Z) - Deep Multi-task Learning for Depression Detection and Prediction in
Longitudinal Data [50.02223091927777]
うつ病は最も多い精神疾患の1つであり、世界中の年齢の何百万人もの人々に影響を与えている。
機械学習技術は、早期介入と治療のためのうつ病の自動検出と予測を可能にしている。
本稿では、この課題に対処するために、2つの補助的タスクでうつ病分類を共同最適化する、新しいディープ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。
論文 参考訳(メタデータ) (2020-12-05T05:14:14Z) - A Novel Transferability Attention Neural Network Model for EEG Emotion
Recognition [51.203579838210885]
脳波感情認識のための伝達型注目ニューラルネットワーク(TANN)を提案する。
TANNは、伝達可能な脳波領域のデータとサンプルを適応的に強調することにより、感情的な識別情報を学習する。
これは、複数の脳領域レベル判別器と1つのサンプルレベル判別器の出力を測定することで実現できる。
論文 参考訳(メタデータ) (2020-09-21T02:42:30Z) - 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) - MODMA dataset: a Multi-modal Open Dataset for Mental-disorder Analysis [22.766963176531338]
本稿では,精神障害分析のためのマルチモーダルオープンデータセットを提案する。
このデータセットには、臨床症状のある患者の脳波と音声データが含まれ、正常なコントロールと一致する。
EEGデータセットには、従来の128電極搭載弾性キャップを使用して収集されたデータだけでなく、普及したアプリケーションのための新しいウェアラブルな3電極EEGコレクタも含まれている。
論文 参考訳(メタデータ) (2020-02-20T09:40:39Z)
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。