Fugu-MT 論文翻訳(概要): Resting-state EEG sex classification using selected brain connectivity representation

論文の概要: Resting-state EEG sex classification using selected brain connectivity representation

arxiv url: http://arxiv.org/abs/2012.11105v1
Date: Mon, 21 Dec 2020 03:48:21 GMT
ステータス: 処理完了
システム内更新日: 2021-04-29 10:35:15.905639
Title: Resting-state EEG sex classification using selected brain connectivity representation
Title（参考訳）: 選択された脳接続表現を用いた安静時脳波性分類
Authors: Jean Li, Jeremiah D. Deng, Divya Adhia and Dirk de Ridder
Abstract要約: 本稿では,脳波信号に対する性影響の証拠を探るために,機械学習を用いた。特定のセンサーチャネル間のコヒーレンスによって表される脳の接続性は、セックスの予測因子であることがわかった。
参考スコア（独自算出の注目度）: 1.4050836886292868
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Effective analysis of EEG signals for potential clinical applications remains a challenging task. So far, the analysis and conditioning of EEG have largely remained sex-neutral. This paper employs a machine learning approach to explore the evidence of sex effects on EEG signals, and confirms the generality of these effects by achieving successful sex prediction of resting-state EEG signals. We have found that the brain connectivity represented by the coherence between certain sensor channels are good predictors of sex.
Abstract（参考訳）: 臨床応用の可能性に対する脳波信号の効果的な分析は難しい課題である。これまでのところ、脳波の分析と条件付けは性中立のままである。本稿では,脳波信号に対する性影響の証拠を機械学習で探索し,脳波信号の性別予測を成功させることにより,これらの効果の一般性を確認する。特定のセンサーチャネル間のコヒーレンスによって表される脳の接続性は、セックスの予測因子であることがわかった。

関連論文リスト

A Supervised Information Enhanced Multi-Granularity Contrastive Learning Framework for EEG Based Emotion Recognition [14.199298112101802]
本研究では,脳波に基づく感情認識(SICLEER, Supervised Info-enhanced Contrastive Learning)のための新しいコントラスト学習フレームワークを提案する。自己教師付きコントラスト学習損失と教師付き分類損失を組み合わせた共同学習モデルを提案する。
論文参考訳（メタデータ） (2024-05-12T11:51:00Z)
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)
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)
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)
Upper Limb Movement Recognition utilising EEG and EMG Signals for Rehabilitative Robotics [0.0]
上肢運動分類のための新しい決定レベル多センサ融合手法を提案する。システムは脳波信号をEMG信号と統合し、両方の情報源から効果的な情報を取得し、ユーザの欲求を理解し予測する。
論文参考訳（メタデータ） (2022-07-18T14:51:23Z)
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)
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)
Emotional EEG Classification using Connectivity Features and Convolutional Neural Networks [81.74442855155843]
CNNと脳のつながりを利用した新しい分類システムを導入し,その効果を感情映像分類により検証する。対象映像の感情的特性に関連する脳接続の集中度は分類性能と相関する。
論文参考訳（メタデータ） (2021-01-18T13:28:08Z)
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)
Attention-based Graph ResNet for Motor Intent Detection from Raw EEG signals [8.775745069873558]
前回の研究では、脳波(EEG)信号は脳波電極のトポロジカルな関係を考慮していない。グラフ畳み込みニューラルネットワーク(GCN: Graph Convolutional Neural Network)の新たな構造である、注意に基づくグラフ残差ネットワークが、人間の運動意図を検出するために提示された。生の脳波運動画像における深部ネットワークに関する劣化問題に対処するために, フルアテンションアーキテクチャによる深部学習を導入した。
論文参考訳（メタデータ） (2020-06-25T09:29:48Z)

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。