論文の概要: A Spiking Neural Network (SNN) for detecting High Frequency Oscillations
(HFOs) in the intraoperative ECoG
- arxiv url: http://arxiv.org/abs/2011.08783v1
- Date: Tue, 17 Nov 2020 17:24:46 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-24 16:38:00.644451
- Title: A Spiking Neural Network (SNN) for detecting High Frequency Oscillations
(HFOs) in the intraoperative ECoG
- Title（参考訳）: 術中ECoGにおける高周波発振(HFO)検出のためのスパイキングニューラルネットワーク(SNN)
- Authors: Karla Burelo and Mohammadali Sharifshazileh and Niklaus Krayenb\"uhl
and Georgia Ramantani and Giacomo Indiveri and Johannes Sarnthein
- Abstract要約: てんかん原性組織によって生じる高周波発振(HFOs)は、切除マージンを調整するために用いられる。
本稿では,ニューロモルフィックハードウェア実装に適した自動HFO検出のためのスパイクニューラルネットワーク(SNN)を提案する。
- 参考スコア（独自算出の注目度）: 1.8464222520424338
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: To achieve seizure freedom, epilepsy surgery requires the complete resection
of the epileptogenic brain tissue. In intraoperative ECoG recordings, high
frequency oscillations (HFOs) generated by epileptogenic tissue can be used to
tailor the resection margin. However, automatic detection of HFOs in real-time
remains an open challenge. Here we present a spiking neural network (SNN) for
automatic HFO detection that is optimally suited for neuromorphic hardware
implementation. We trained the SNN to detect HFO signals measured from
intraoperative ECoG on-line, using an independently labeled dataset. We
targeted the detection of HFOs in the fast ripple frequency range (250-500 Hz)
and compared the network results with the labeled HFO data. We endowed the SNN
with a novel artifact rejection mechanism to suppress sharp transients and
demonstrate its effectiveness on the ECoG dataset. The HFO rates (median 6.6
HFO/min in pre-resection recordings) detected by this SNN are comparable to
those published in the dataset (58 min, 16 recordings). The postsurgical
seizure outcome was "predicted" with 100% accuracy for all 8 patients. These
results provide a further step towards the construction of a real-time portable
battery-operated HFO detection system that can be used during epilepsy surgery
to guide the resection of the epileptogenic zone.
- Abstract（参考訳）: 発作の自由を達成するには、てんかん手術はてんかん原性脳組織の完全切除が必要である。
術中ECoG記録では, てんかん原性組織から発生する高周波発振(HFOs)を用いて切除マージンを調整できる。
しかし,HFOの自動検出は依然としてオープンな課題である。
本稿では、ニューロモルフィックハードウェアの実装に最適な自動HFO検出のためのスパイキングニューラルネットワーク(SNN)を提案する。
術中ECoGon-lineから測定したHFO信号に対して,独立ラベル付きデータセットを用いてSNNを訓練した。
高速リップル周波数域(250-500hz)におけるhfosの検出を目標とし,ラベル付きhfoデータと比較した。
シャープな過渡性を抑制し,その効果をECoGデータセット上で実証するために,新しい人工物拒絶機構をSNNに付与した。
このSNNによって検出されたHFOレート(中間6.6 HFO/min)は、データセット(58分、16分)で公表されたものと同等である。
術後発作は8例中100%の精度で「予測」された。
これらの結果は, てんかん原性領域の切除を誘導するためにてんかん手術中に使用可能な, リアルタイムな携帯型hfo検出システムの構築に向けたさらなる一歩である。
関連論文リスト
- Deep-Learning Approach for Tissue Classification using Acoustic Waves during Ablation with an Er:YAG Laser (Updated) [0.7892577704654171]
レーザー手術において、周囲の組織への損傷を防ぐため、信頼性の高いフィードバックシステムが不可欠である。
レーザーアブレーション時に発生する音波を組織分類法を提案する。
論文 参考訳（メタデータ） (2024-06-06T09:46:14Z) - Fully Elman Neural Network: A Novel Deep Recurrent Neural Network
Optimized by an Improved Harris Hawks Algorithm for Classification of
Pulmonary Arterial Wedge Pressure [6.570131476348873]
心臓不全(Heart failure、HF)は、米国で650万人が苦しんでおり、世界中で2300万人以上の心臓血管疾患の1つである。
肺動脈くさび圧(PAWP)を測定する商用の長期植込み型圧力センサは存在しない
本研究では,HHO+を24の単調およびマルチモーダル性能ベンチマーク関数上で提示・テストする。
完全エルマン心室ニューラルネットワーク(FENN)を提案する。
論文 参考訳（メタデータ） (2023-01-16T06:58:20Z) - NAF: Neural Attenuation Fields for Sparse-View CBCT Reconstruction [79.13750275141139]
本稿では,スパースビューCBCT再構成のための新規かつ高速な自己教師型ソリューションを提案する。
所望の減衰係数は、3次元空間座標の連続関数として表現され、完全に接続されたディープニューラルネットワークによってパラメータ化される。
ハッシュ符号化を含む学習ベースのエンコーダが採用され、ネットワークが高周波の詳細をキャプチャするのに役立つ。
論文 参考訳（メタデータ） (2022-09-29T04:06:00Z) - COVID-Net UV: An End-to-End Spatio-Temporal Deep Neural Network
Architecture for Automated Diagnosis of COVID-19 Infection from Ultrasound
Videos [70.60433013657693]
COVID-Netは、空間的特徴を抽出する畳み込みニューラルネットワークと、時間的依存を学習するリカレントニューラルネットワークで構成される。
ネットワークの平均精度は94.44%で、新型コロナウイルスの患者には偽陰性なケースはない。
論文 参考訳（メタデータ） (2022-05-18T13:59:16Z) - 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) - A Neural Network Assisted $^{171}$Yb$^{+}$ Quantum Magnetometer [40.61445850211335]
汎用磁気センサは、幅広いパラメータのターゲットフィールドに露出した場合、読み取り可能な応答を提供する必要がある。
我々は、適切に訓練されたニューラルネットワークと171ドルのYb$+$の原子センサーを組み合わせることで、挑戦的なシナリオにおいてターゲットフィールドを調査できることを実験的に実証した。
論文 参考訳（メタデータ） (2022-03-11T10:53:46Z) - SOUL: An Energy-Efficient Unsupervised Online Learning Seizure Detection
Classifier [68.8204255655161]
神経活動を記録して発作を検出するインプラントデバイスは、発作を抑えるために警告を発したり神経刺激を誘発したりするために採用されている。
移植可能な発作検出システムでは、低出力で最先端のオンライン学習アルゴリズムを使用して、神経信号のドリフトに動的に適応することができる。
SOULはTSMCの28nmプロセスで0.1mm2を占め、1.5nJ/分級エネルギー効率を実現した。
論文 参考訳（メタデータ） (2021-10-01T23:01:20Z) - Real-Time EMG Signal Classification via Recurrent Neural Networks [2.66418345185993]
ニューラルネットワークに基づく一連のアーキテクチャを用いて、分類精度を高め、予測遅延時間を短縮する。
これらのアーキテクチャの性能は比較され、一般に600msecで96%の分類精度を達成し、他の最先端手法よりも優れている。
論文 参考訳（メタデータ） (2021-09-13T02:36:44Z) - An electronic neuromorphic system for real-time detection of High
Frequency Oscillations (HFOs) in intracranial EEG [0.0]
本稿では,脳波記録ヘッドステージと信号-スパイク変換回路とマルチコアスパイクニューラルネットワークアーキテクチャを組み合わせたニューロモルフィックシステムを提案する。
本研究では,HFOを確実に検出する方法について述べる。このシステムは,最先端の精度,特異性,感度(それぞれ78%,100%,33%)で術後発作を予測できる。
これは、イベントベースのプロセッサを使用して、リアルタイム、オンチップで頭蓋内人間のデータに関連する特徴を特定するための最初の可能性研究である。
論文 参考訳（メタデータ） (2020-09-23T16:40:44Z) - CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors
and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。
SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。
我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文 参考訳（メタデータ） (2020-07-20T21:47:28Z) - DENS-ECG: A Deep Learning Approach for ECG Signal Delineation [15.648061765081264]
本稿では,心拍のリアルタイムセグメンテーションのためのディープラーニングモデルを提案する。
提案アルゴリズムはDENS-ECGアルゴリズムと呼ばれ、畳み込みニューラルネットワーク(CNN)と長短期記憶(LSTM)モデルを組み合わせたものである。
論文 参考訳（メタデータ） (2020-05-18T13:13:41Z)
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。