Fugu-MT 論文翻訳(概要): One-class Autoencoder Approach for Optimal Electrode Set-up Identification in Wearable EEG Event Monitoring

論文の概要: One-class Autoencoder Approach for Optimal Electrode Set-up Identification in Wearable EEG Event Monitoring

arxiv url: http://arxiv.org/abs/2104.04546v2
Date: Tue, 13 Apr 2021 16:02:50 GMT
ステータス: 処理完了
システム内更新日: 2021-04-14 11:14:03.099733
Title: One-class Autoencoder Approach for Optimal Electrode Set-up Identification in Wearable EEG Event Monitoring
Title（参考訳）: ウェアラブル脳波イベントモニタリングにおける1クラスオートエンコーダによる最適電極設定同定
Authors: Laura M. Ferrari, Guy Abi Hanna, Paolo Volpe, Esma Ismailova, Fran\c{c}ois Bremond, Maria A. Zuluaga
Abstract要約: そこで本稿では, 最小限の電極数, 快適な位置, 性能の観点から, ウェアラブルEEG電極の最適セットアップを特定することを提案する。本研究では,現実のヘルスケアモニタリングに最適化されたウェアラブルデバイスの設計と実装を可能にするために,学習に基づくアプローチが利用できることを示唆する。
参考スコア（独自算出の注目度）: 2.070033298948954
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: A limiting factor towards the wide routine use of wearables devices for continuous healthcare monitoring is their cumbersome and obtrusive nature. This is particularly true for electroencephalography (EEG) recordings, which require the placement of multiple electrodes in contact with the scalp. In this work, we propose to identify the optimal wearable EEG electrode set-up, in terms of minimal number of electrodes, comfortable location and performance, for EEG-based event detection and monitoring. By relying on the demonstrated power of autoencoder (AE) networks to learn latent representations from high-dimensional data, our proposed strategy trains an AE architecture in a one-class classification setup with different electrode set-ups as input data. The resulting models are assessed using the F-score and the best set-up is chosen according to the established optimal criteria. Using alpha wave detection as use case, we demonstrate that the proposed method allows to detect an alpha state from an optimal set-up consisting of electrodes in the forehead and behind the ear, with an average F-score of 0.78. Our results suggest that a learning-based approach can be used to enable the design and implementation of optimized wearable devices for real-life healthcare monitoring.
Abstract（参考訳）: 継続的医療モニタリングのためのウェアラブルデバイスの広範な日常的利用への制限要因は、その面倒で邪魔な性質である。これは、頭皮と接触する複数の電極の配置を必要とする脳波(eeg)記録において特に当てはまる。そこで本研究では,脳波によるイベント検出とモニタリングを行うため,最小限の電極数,快適な位置と性能の観点から,ウェアラブル脳波電極の最適セットアップを提案する。提案手法は,高次元データから潜在表現を学習するために,オートエンコーダ(AE)ネットワークの実証的なパワーを頼りに,異なる電極セットを入力データとして一級分類でAEアーキテクチャを訓練する。得られたモデルをFスコアを用いて評価し、確立された最適基準に従って最適な設定を選択する。提案手法は,α波検出をユースケースとして,額と耳の後ろの電極からなる最適なセットアップから,平均f-score 0.78のアルファ状態を検出できることを実証する。以上の結果から,実生活の医療モニタリングに最適なウェアラブルデバイスの設計と実装を可能にするために,学習に基づくアプローチが有効であることが示唆された。

関連論文リスト

Polar-Net: A Clinical-Friendly Model for Alzheimer's Disease Detection in OCTA Images [53.235117594102675]
オプティカルコヒーレンス・トモグラフィーは、網膜微小血管の画像化によってアルツハイマー病(AD)を検出するための有望なツールである。我々はPolar-Netと呼ばれる新しいディープラーニングフレームワークを提案し、解釈可能な結果を提供し、臨床上の事前知識を活用する。 Polar-Netは既存の最先端の手法よりも優れており,網膜血管変化とADとの関連性について,より貴重な病理学的証拠を提供する。
論文参考訳（メタデータ） (2023-11-10T11:49:49Z)
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)
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)
Adaptive Spike-Like Representation of EEG Signals for Sleep Stages Scoring [6.644008481573341]
信号強度の半ガウス的確率によって入力信号と重み特徴を符号化し,フィルタリングし,蓄積する適応的手法を提案する。提案手法の有効性を検証し,将来有望な方向性を明らかにするため,最先端手法に対する最大の公開データセットの実験を行った。
論文参考訳（メタデータ） (2022-04-02T11:21:49Z)
Multiple Time Series Fusion Based on LSTM An Application to CAP A Phase Classification Using EEG [56.155331323304]
本研究では,深層学習に基づく脳波チャンネルの特徴レベル融合を行う。チャネル選択,融合,分類手順を2つの最適化アルゴリズムで最適化した。
論文参考訳（メタデータ） (2021-12-18T14:17:49Z)
Modelling Brain Connectivity Networks by Graph Embedding for Dyslexia Diagnosis [0.0]
本研究では、脳波に使用される異なる電極間の関係を得るために、電極内および電極間pacを算出する。提案手法は,7歳児の失読症診断のためのタスクにおいて,特定の聴覚刺激を用いて取得した分類脳波サンプルに適用した。
論文参考訳（メタデータ） (2021-04-12T14:27:29Z)
Localization of Cochlear Implant Electrodes from Cone Beam Computed Tomography using Particle Belief Propagation [23.934214668896157]
人工内耳インプラント(CI)は、深い難聴に苦しむ人々の聴覚感覚を回復させることができるインプラント可能な医療機器です。これらの電極の正確な位置は、これらのデバイスの性能を改善し予測する上で重要なパラメータとなるかもしれない。コーンビーム計算トモグラフィー(CBCT)データセットに対するCI電極位置決めのためのマルコフランダムフィールド(MRF)モデルを提案する。
論文参考訳（メタデータ） (2021-03-18T15:39:23Z)
EEG-Inception: An Accurate and Robust End-to-End Neural Network for EEG-based Motor Imagery Classification [123.93460670568554]
本稿では,脳波に基づく運動画像(MI)分類のための新しい畳み込みニューラルネットワーク(CNN)アーキテクチャを提案する。提案したCNNモデル、すなわちEEG-Inceptionは、Inception-Timeネットワークのバックボーン上に構築されている。提案するネットワークは、生のEEG信号を入力とし、複雑なEEG信号前処理を必要としないため、エンドツーエンドの分類である。
論文参考訳（メタデータ） (2021-01-24T19:03:10Z)
Mu-suppression detection in motor imagery electroencephalographic signals using the generalized extreme value distribution [0.2062593640149623]
本稿では脳-コンピュータインタフェース(BCI)における脳波信号からのミュー抑制の検出について述べる。統計モデルと線形分類器に基づいて効率的なアルゴリズムを提案する。予備的な結果から, 提案した統計モデルを用いて, ミュープレッションを正確に検出し, 異なる脳波事象を識別できることが示唆された。
論文参考訳（メタデータ） (2020-05-22T15:51:25Z)
ECG-DelNet: Delineation of Ambulatory Electrocardiograms with Mixed Quality Labeling Using Neural Networks [69.25956542388653]
ディープラーニング(DL)アルゴリズムは、学術的、産業的にも重くなっている。セグメンテーションフレームワークにECGの検出とデライン化を組み込むことにより、低解釈タスクにDLをうまく適用できることを実証する。このモデルは、PhyloNetのQTデータベースを使用して、105個の増幅ECG記録から訓練された。
論文参考訳（メタデータ） (2020-05-11T16:29:12Z)

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。