論文の概要: Dyslexia detection from EEG signals using SSA component correlation and Convolutional Neural Networks

• arxiv url: http://arxiv.org/abs/2010.13731v1
• Date: Mon, 26 Oct 2020 17:15:15 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-02 17:54:52.995315
• Title: Dyslexia detection from EEG signals using SSA component correlation and Convolutional Neural Networks
• Title（参考訳）: SSA成分相関と畳み込みニューラルネットワークを用いた脳波信号からのDyslexia検出
• Authors: Andr\'es Ortiz, Francisco J. Martinez-Murcia, Marco A. Formoso, Juan Luis Luque, Auxiliadora S\'anchez
• Abstract要約: 脳波信号の最も関連性の高い特徴の同定は、後向きではない。 本稿では,Singluar Spectrum Analysis (SSA) に基づく周波数領域の解析手法を提案する。
• 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: Objective dyslexia diagnosis is not a straighforward task since it is traditionally performed by means of the intepretation of different behavioural tests. Moreover, these tests are only applicable to readers. This way, early diagnosis requires the use of specific tasks not only related to reading. Thus, the use of Electroencephalography (EEG) constitutes an alternative for an objective and early diagnosis that can be used with pre-readers. In this way, the extraction of relevant features in EEG signals results crucial for classification. However, the identification of the most relevant features is not straighforward, and predefined statistics in the time or frequency domain are not always discriminant enough. On the other hand, classical processing of EEG signals based on extracting EEG bands frequency descriptors, usually make some assumptions on the raw signals that could cause indormation loosing. In this work we propose an alternative for analysis in the frequency domain based on Singluar Spectrum Analysis (SSA) to split the raw signal into components representing different oscillatory modes. Moreover, correlation matrices obtained for each component among EEG channels are classfied using a Convolutional Neural network.
• Abstract（参考訳）: 目的性失読症の診断は、伝統的に異なる行動検査の解釈によって行われるため、下位の課題ではない。 さらに、これらのテストは読者のみに適用できる。 このように、早期診断には読みに限らず特定のタスクを使用する必要がある。 したがって、脳波検査(EEG)の使用は、プリリーダーで使用可能な客観的かつ早期診断の代替となる。 このように、脳波信号の関連特徴の抽出は分類に不可欠である。 しかし、最も関連性の高い特徴の同定は後向きではなく、時間や周波数領域における事前定義された統計は必ずしも十分に識別できない。 一方、脳波帯域の周波数記述子抽出に基づく脳波信号の古典的処理は、通常、インドルメーションのloosingを引き起こす生信号にいくつかの仮定を与える。 本研究では,Singluar Spectrum Analysis (SSA) に基づく周波数領域の解析の代替として,生信号を異なる振動モードを表す成分に分割する手法を提案する。 さらに, 畳み込みニューラルネットワークを用いて, 脳波チャネル間の各成分の相関行列を分類する。

関連論文リスト

• DGSD: Dynamical Graph Self-Distillation for EEG-Based Auditory Spatial Attention Detection [49.196182908826565]
  AAD(Auditory Attention Detection)は、マルチスピーカー環境で脳信号からターゲット話者を検出することを目的としている。 現在のアプローチは主に、画像のようなユークリッドデータを処理するために設計された従来の畳み込みニューラルネットワークに依存している。 本稿では、入力として音声刺激を必要としないAADのための動的グラフ自己蒸留(DGSD)手法を提案する。
  論文  参考訳（メタデータ） (2023-09-07T13:43:46Z)
• Optimized EEG based mood detection with signal processing and deep neural networks for brain-computer interface [0.0]
  本研究の目的は,脳波と被験者の気分との関係を識別するスマート意思決定モデルを確立することである。 健康な28人の被験者の脳波は同意を得て観測され、気分を研究・認識する試みがなされている。 これらの技術を用いて、96.01%の検出精度が得られた。
  論文  参考訳（メタデータ） (2023-03-30T15:23:24Z)
• Deep Scattering Spectrum germaneness to Fault Detection and Diagnosis for Component-level Prognostics and Health Management (PHM) [0.0]
  本研究は,産業用ロボットの機械的構成要素に対するDES(Deep Scattering Spectrum)の故障検出とデイグナシスとの関連性について考察する。 複数の産業用ロボットと異なる機械的欠陥を使って、障害を分類するアプローチを構築しました。 提案手法は, 実用試験台に実装され, 故障検出および診断において良好な性能を示した。
  論文  参考訳（メタデータ） (2022-10-18T13:25:02Z)
• Task-oriented Self-supervised Learning for Anomaly Detection in Electroencephalography [51.45515911920534]
  タスク指向型自己教師型学習手法を提案する。 大きなカーネルを持つ特定の2つの分岐畳み込みニューラルネットワークを特徴抽出器として設計する。 効果的に設計され、訓練された特徴抽出器は、より優れた特徴表現を脳波から抽出できることが示されている。
  論文  参考訳（メタデータ） (2022-07-04T13:15:08Z)
• 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)
• Electroencephalogram Signal Processing with Independent Component Analysis and Cognitive Stress Classification using Convolutional Neural Networks [0.0]
  本稿では,独立成分分析(ICA)を用いた脳波信号の相互相関について提案する。 記録データの結果から,脳波データの損失が少なくてEOG信号アーチファクトを除去できることが示唆された。
  論文  参考訳（メタデータ） (2021-08-22T18:38:12Z)
• Temporally Nonstationary Component Analysis; Application to Noninvasive Fetal Electrocardiogram Extraction [12.861130760349631]
  音源信号の非定常性を信号分離の識別特性として用いることができる。 時間的非定常成分抽出のための半盲音源分離アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-08-20T20:31:19Z)
• 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)
• Discriminative Singular Spectrum Classifier with Applications on Bioacoustic Signal Recognition [67.4171845020675]
  分析や分類に有用な特徴を効率的に抽出する識別機構を備えた生体音響信号分類器を提案する。 タスク指向の現在のバイオ音響認識法とは異なり、提案モデルは入力信号をベクトル部分空間に変換することに依存する。 提案法の有効性は,アヌラン,ミツバチ,蚊の3種の生物音響データを用いて検証した。
  論文  参考訳（メタデータ） (2021-03-18T11:01:21Z)
• Automatic detection of abnormal EEG signals using wavelet feature extraction and gradient boosting decision tree [2.924868086534434]
  多チャンネル脳波記録における脳信号の自動二分分類フレームワークを提案する。 本稿では,抽出した特徴量の品質を損なうことなく,特徴空間の次元を小さくする手法を提案する。 CatBoostは87.68%のバイナリ分類精度を達成し、同じデータセットの最先端の技術を上回る。
  論文  参考訳（メタデータ） (2020-12-18T03:36:52Z)
• Bulbar ALS Detection Based on Analysis of Voice Perturbation and Vibrato [68.97335984455059]
  本研究の目的は,ALS患者の自動検出のための持続母音発声テストの有用性を検証することである。 そこで我々は,音声信号から測定値の計算に必要な基本周期への分離手順の強化を提案した。
  論文  参考訳（メタデータ） (2020-03-24T12:49:25Z)

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。