論文の概要: Convolutional Neural Networks for Sleep Stage Scoring on a Two-Channel EEG Signal

• arxiv url: http://arxiv.org/abs/2103.16215v1
• Date: Tue, 30 Mar 2021 09:59:56 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-31 21:51:54.717761
• Title: Convolutional Neural Networks for Sleep Stage Scoring on a Two-Channel EEG Signal
• Title（参考訳）: 2チャンネル脳波信号を用いた睡眠段階スコーリングのための畳み込みニューラルネットワーク
• Authors: Enrique Fernandez-Blanco, Daniel Rivero, Alejandro Pazos
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 63.18666008322476
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Sleeping problems have become one of the major diseases all over the world. To tackle this issue, the basic tool used by specialists is the Polysomnogram, which is a collection of different signals recorded during sleep. After its recording, the specialists have to score the different signals according to one of the standard guidelines. This process is carried out manually, which can be highly time-consuming and very prone to annotation errors. Therefore, over the years, many approaches have been explored in an attempt to support the specialists in this task. In this paper, an approach based on convolutional neural networks is presented, where an in-depth comparison is performed in order to determine the convenience of using more than one signal simultaneously as input. Additionally, the models were also used as parts of an ensemble model to check whether any useful information can be extracted from signal processing a single signal at a time which the dual-signal model cannot identify. Tests have been performed by using a well-known dataset called expanded sleep-EDF, which is the most commonly used dataset as the benchmark for this problem. The tests were carried out with a leave-one-out cross-validation over the patients, which ensures that there is no possible contamination between training and testing. The resulting proposal is a network smaller than previously published ones, but which overcomes the results of any previous models on the same dataset. The best result shows an accuracy of 92.67\% and a Cohen's Kappa value over 0.84 compared to human experts.
• Abstract（参考訳）: 睡眠障害は世界中で主要な病気の1つになっている。 この問題に対処するために、専門家が使用する基本的なツールは、睡眠中に記録された異なる信号の集合であるポリソムノグラムである。 録音後、専門家は標準ガイドラインの1つに従って異なるシグナルを採点しなければならない。 このプロセスは手動で実行され、非常に時間がかかり、アノテーションエラーを起こしやすい。 そのため、長年にわたり専門家を支援するために多くのアプローチが検討されてきた。 本稿では、畳み込みニューラルネットワークに基づくアプローチを示し、入力として複数の信号を使用することの利便性を決定するために、詳細な比較を行う。 さらに、このモデルはアンサンブルモデルの一部であり、二重信号モデルでは識別できない単一信号処理から有用な情報を抽出できるかどうかを確認するためにも使用された。 この問題のベンチマークとして最も一般的に使用されるデータセットであるExpended Sleep-EDFと呼ばれる、よく知られたデータセットを使用してテストが行われた。 検査は、患者に対する一対一のクロスバリデーションで実施され、トレーニングとテストの間に汚染がないことが保証された。 その結果得られた提案は、以前公開されたものよりも小さなネットワークだが、同じデータセット上の以前のモデルの結果を克服する。 最も良い結果は92.67\%の精度で、コーエンのカッパの値は人間の専門家と比べて0.84以上である。

関連論文リスト

• wav2sleep: A Unified Multi-Modal Approach to Sleep Stage Classification from Physiological Signals [0.6261444979025643]
  wav2sleepは、トレーニングと推論中に入力信号の可変セットを操作するために設計された統一モデルである。 ECG、PSG、呼吸信号を含むテスト時間入力の組み合わせで、既存の睡眠ステージ分類モデルよりも優れています。
  論文  参考訳（メタデータ） (2024-11-07T12:01:36Z)
• Recurrent and Convolutional Neural Networks in Classification of EEG Signal for Guided Imagery and Mental Workload Detection [0.9895793818721335]
  本稿では,26名の学生を対象に,高密度アレイ脳波増幅器を用いたガイド画像緩和技術と精神作業負荷に関する調査を行った。
  論文  参考訳（メタデータ） (2024-05-27T07:49:30Z)
• Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
  弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。 I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
  論文  参考訳（メタデータ） (2023-08-31T05:05:53Z)
• CoRe-Sleep: A Multimodal Fusion Framework for Time Series Robust to Imperfect Modalities [10.347153539399836]
  CoRe-SleepはCoordinated Representation Multimodal fusion Networkである。 このような堅牢性を達成するための鍵として,マルチモーダル情報の適切な処理が重要であることを示す。 本研究の目的は,自動解析ツールと臨床応用とのギャップを埋めることである。
  論文  参考訳（メタデータ） (2023-03-27T18:28:58Z)
• Are we certain it's anomalous? [57.729669157989235]
  時系列における異常検出は、高度に非線形な時間的相関のため、異常は稀であるため、複雑なタスクである。 本稿では,異常検出(HypAD)におけるハイパボリック不確実性の新しい利用法を提案する。 HypADは自己指導で入力信号を再構築する。
  論文  参考訳（メタデータ） (2022-11-16T21:31:39Z)
• Ensemble of Convolution Neural Networks on Heterogeneous Signals for Sleep Stage Scoring [63.30661835412352]
  本稿では,脳波以外の追加信号の利用の利便性について検討し,比較する。 最も優れたモデルである深部分離畳み込みニューラルネットワークのアンサンブルは86.06%の精度を達成した。
  論文  参考訳（メタデータ） (2021-07-23T06:37:38Z)
• Sleep Staging Based on Serialized Dual Attention Network [0.0]
  生の脳波に基づく深層学習モデルSDANを提案する。 チャネルアテンションと空間アテンション機構を連続的に組み合わせて、キー情報をフィルタリングしハイライトする。 他の方法と比較して、N1睡眠期において優れた結果が得られる。
  論文  参考訳（メタデータ） (2021-07-18T13:18:12Z)
• MSED: a multi-modal sleep event detection model for clinical sleep analysis [62.997667081978825]
  ポリソムノグラムで睡眠イベントを共同検出する,単一のディープニューラルネットワークアーキテクチャを設計した。 モデルの性能は,F1,精度,リコールスコア,および指標値と臨床値との相関で定量化した。
  論文  参考訳（メタデータ） (2021-01-07T13:08:44Z)
• TadGAN: Time Series Anomaly Detection Using Generative Adversarial Networks [73.01104041298031]
  TadGANは、GAN(Generative Adversarial Networks)上に構築された教師なしの異常検出手法である。 時系列の時間相関を捉えるために,ジェネレータと批評家のベースモデルとしてLSTMリカレントニューラルネットワークを用いる。 提案手法の性能と一般化性を示すため,いくつかの異常スコアリング手法を検証し,最も適した手法を報告する。
  論文  参考訳（メタデータ） (2020-09-16T15:52:04Z)

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。