論文の概要: A Pilot Study on Visually-Stimulated Cognitive Tasks for EEG-Based Dementia Recognition Using Frequency and Time Features

• arxiv url: http://arxiv.org/abs/2103.03854v1
• Date: Fri, 5 Mar 2021 18:13:23 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-08 14:34:39.771521
• Title: A Pilot Study on Visually-Stimulated Cognitive Tasks for EEG-Based Dementia Recognition Using Frequency and Time Features
• Title（参考訳）: 周波数・時間特徴を用いた脳波認知のための視覚刺激認知タスクに関するパイロット研究
• Authors: Supavit Kongwudhikunakorn, Suktipol Kiatthaveephong, Kamonwan Thanontip, Pitshaporn Leelaarporn, Maytus Piriyajitakonkij, Thananya Charoenpattarawut, Phairot Autthasan, Rattanaphon Chaisaen, Pathitta Dujada, Thapanun Sudhawiyangkul, Cuntai Guan, Vorapun Senanarong and Theerawit Wilaiprasitporn
• Abstract要約: 本研究の目的は、健常者(NC)、軽度認知障害(MCI)、認知症(DEM)の3群における脳波(EEG)信号の差を調べることである。 4つの視覚刺激課題の脳波信号を用いた機械学習による認知症診断のパイロット研究を開発した。
• 参考スコア（独自算出の注目度）: 3.9728427877905568
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Dementia is one of the main causes of cognitive decline. Since the majority of dementia patients cannot be cured, being able to diagnose them before the onset of the symptoms can prevent the rapid progression of the cognitive impairment. This study aims to investigate the difference in the Electroencephalograph (EEG) signals of three groups of subjects: Normal Control (NC), Mild Cognitive Impairment (MCI), and Dementia (DEM). Unlike previous works that focus on the diagnosis of Alzheimer's disease (AD) from EEG signals, we study the detection of dementia to generalize the classification models to other types of dementia. We have developed a pilot study on machine learning-based dementia diagnosis using EEG signals from four visual stimulation tasks (Fixation, Mental Imagery, Symbol Recognition, and Visually Evoked Related Potential) to identify the most suitable task and method to detect dementia using EEG signals. We extracted both frequency and time domain features from the EEG signals and applied a Support Vector Machine (SVM) for each domain to classify the patients using those extracted features. Additionally, we study the feasibility of the Filter Bank Common Spatial Pattern (FBCSP) algorithm to extract features from the frequency domain to detect dementia. The evaluation of the model shows that the tasks that test the working memory are the most appropriate to detect dementia using EEG signals in both time and frequency domain analysis. However, the best results in both domains are obtained by combining features of all four cognitive tasks.
• Abstract（参考訳）: 認知症は認知機能低下の主な原因の1つです。 認知症患者の大半は治癒できないため、症状の発症前にそれらを診断できることは、認知障害の急速な進行を防ぐことができます。 本研究の目的は,健常者(NC),軽度認知障害者(MCI),認知症(DEM)の3群における脳波信号の差について検討することである。 脳波信号からアルツハイマー病(ad)の診断に焦点を当てた以前の研究とは異なり、認知症の検出を研究し、分類モデルを他のタイプの認知症に一般化する。 本研究では,4つの視覚刺激課題(固定,精神イメージ,シンボル認識,視覚誘発関連電位)からの脳波信号を用いて,脳波信号を用いた認知症診断を行うための機械学習に基づく認知症診断のパイロット研究を行った。 脳波信号から周波数領域と時間領域の両方の特徴を抽出し,各領域にサポートベクターマシン(svm)を適用し,それらの特徴を用いて患者を分類した。 さらに,周波数領域から特徴を抽出し,認知症を検出するためにフィルタバンク共通空間パターン(FBCSP)アルゴリズムの有効性を検討した。 モデルの評価は、作業メモリをテストするタスクが時間および周波数領域分析の両方で脳波信号を使用して認知症を検出するのに最も適していることを示しています。 しかし、両領域の最良の結果は、すべての4つの認知タスクの特徴を組み合わせることで得られる。

関連論文リスト

• Study of Brain Network in Alzheimers Disease Using Wavelet-Based Graph Theory Method [0.0]
  アルツハイマー病(英語: Alzheimer's disease、AD)は、記憶喪失と認知低下を特徴とする神経変性疾患である。 ピアソンの相関のような伝統的な手法は相関行列を計算するために使われてきた。 本稿では、離散ウェーブレット変換(DWT)とグラフ理論を統合し、脳ネットワークの動的挙動をモデル化する新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-09-06T07:26:14Z)
• Deep Learning-based Classification of Dementia using Image Representation of Subcortical Signals [4.17085180769512]
  アルツハイマー病 (AD) と前頭側頭型認知症 (FTD) は認知症の一般的な形態であり、それぞれ異なる進行パターンを持つ。 本研究は,脳深部領域の時系列信号を解析し,認知症に対する深い学習に基づく分類システムを開発することを目的とする。
  論文  参考訳（メタデータ） (2024-08-20T13:11:43Z)
• Parkinsons Disease Detection via Resting-State Electroencephalography Using Signal Processing and Machine Learning Techniques [0.0]
  パーキンソン病(英: Parkinsons Disease、PD)は、ドーパミン作動性ニューロンの変性により運動障害を引き起こす神経変性疾患である。 脳波はPD患者の異常を示す。 1つの大きな課題は、治療薬や治療薬で病気を綿密に監視するために、PDのための一貫性のある、正確で、体系的なバイオマーカーが欠如していることである。
  論文  参考訳（メタデータ） (2023-03-29T06:03:05Z)
• 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)
• Characterizing TMS-EEG perturbation indexes using signal energy: initial study on Alzheimer's Disease classification [48.42347515853289]
  経頭蓋磁気刺激(TMS)と脳波記録(TMS-EEG)を組み合わせることで、脳、特にアルツハイマー病(AD)の研究に大きな可能性を示す。 本研究では,脳機能の変化を反映した電位指標として,脳波信号のTMS誘発摂動の持続時間を自動的に決定する手法を提案する。
  論文  参考訳（メタデータ） (2022-04-29T19:27:06Z)
• Automatic Assessment of Alzheimer's Disease Diagnosis Based on Deep Learning Techniques [111.165389441988]
  本研究では, MRI(sagittal magnetic resonance images)における疾患の存在を自動的に検出するシステムを開発する。 矢状面MRIは一般的には使われていないが、この研究は、少なくとも、ADを早期に同定する他の平面からのMRIと同じくらい効果があることを証明した。 本研究は,これらの分野でDLモデルを構築できることを実証する一方,TLは少ない例でタスクを完了するための必須のツールである。
  論文  参考訳（メタデータ） (2021-05-18T11:37:57Z)
• Predicting Early Indicators of Cognitive Decline from Verbal Utterances [2.387625146176821]
  認知症 (Dementia) は、記憶障害、コミュニケーション障害、思考過程を引き起こす、不可逆的、慢性的、進歩的な神経変性疾患のグループである。 神経心理学試験における発話の言語的特徴を用いて,高齢者コントロールグループ,MCI,アルツハイマー病(AD)とADの鑑別が可能かを検討した。 以上の結果から, 高齢者の言語発話, MCI, AD, ADの区別が, 文脈的, 心理言語学的特徴の組合せによって改善されることが示唆された。
  論文  参考訳（メタデータ） (2020-11-19T02:24:11Z)
• Identification of Ischemic Heart Disease by using machine learning technique based on parameters measuring Heart Rate Variability [50.591267188664666]
  本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。 最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
  論文  参考訳（メタデータ） (2020-10-29T19:14:41Z)
• 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)
• Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
  パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。 本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-06T09:02:30Z)

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。