論文の概要: Modelling Brain Connectivity Networks by Graph Embedding for Dyslexia Diagnosis

• arxiv url: http://arxiv.org/abs/2104.05497v1
• Date: Mon, 12 Apr 2021 14:27:29 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-13 22:18:57.197827
• Title: Modelling Brain Connectivity Networks by Graph Embedding for Dyslexia Diagnosis
• Title（参考訳）: 失読症診断のためのグラフ埋め込みによる脳結合ネットワークのモデル化
• Authors: Marco A. Formoso, Andr\'es Ortiz, Francisco J. Mart\'inez-Murcia, Nicol\'as Gallego-Molina, Juan L. Luque
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Several methods have been developed to extract information from electroencephalograms (EEG). One of them is Phase-Amplitude Coupling (PAC) which is a type of Cross-Frequency Coupling (CFC) method, consisting in measure the synchronization of phase and amplitude for the different EEG bands and electrodes. This provides information regarding brain areas that are synchronously activated, and eventually, a marker of functional connectivity between these areas. In this work, intra and inter electrode PAC is computed obtaining the relationship among different electrodes used in EEG. The connectivity information is then treated as a graph in which the different nodes are the electrodes and the edges PAC values between them. These structures are embedded to create a feature vector that can be further used to classify multichannel EEG samples. The proposed method has been applied to classified EEG samples acquired using specific auditory stimuli in a task designed for dyslexia disorder diagnosis in seven years old children EEG's. The proposed method provides AUC values up to 0.73 and allows selecting the most discriminant electrodes and EEG bands.
• Abstract（参考訳）: 脳波(EEG)から情報を抽出するためのいくつかの方法が開発されている。 その1つは位相振幅結合(PAC)であり、これは異なるEEGバンドと電極の位相と振幅の同期を測定するためのクロス周波数結合(CFC)法の一種である。 これにより、同期的に活性化される脳領域に関する情報が提供され、最終的にはこれらの領域間の機能的接続のマーカーとなる。 本研究では、脳波における異なる電極間の関係を求めることにより、電極内および電極間PACを算出する。 そして、接続情報は、異なるノードが電極であり、それらの間のエッジPAC値であるグラフとして扱われる。 これらの構造は、マルチチャネルEEGサンプルの分類にさらに使用できる特徴ベクトルを作成するために埋め込まれている。 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。 提案手法は最大 0.73 までの auc 値を提供し、最も判別可能な電極と脳波帯を選択できる。

関連論文リスト

• A Tale of Single-channel Electroencephalogram: Devices, Datasets, Signal Processing, Applications, and Future Directions [10.206750309231783]
  単一チャネル脳波(英: Single- Channel Electroencephalogram、EEG)は、脳活動を監視するための費用効率が高く、快適で非侵襲的な方法である。 本稿では,開発動向,デバイス,データセット,信号処理方法,最近の応用,今後の方向性について論じる。
  論文  参考訳（メタデータ） (2024-07-20T11:36:17Z)
• EKGNet: A 10.96{\mu}W Fully Analog Neural Network for Intra-Patient Arrhythmia Classification [79.7946379395238]
  心電図不整脈分類におけるアナログ計算と深層学習を組み合わせた統合的アプローチを提案する。 本稿では,低消費電力で高精度にアーカイブするハードウェア効率と完全アナログ不整脈分類アーキテクチャであるEKGNetを提案する。
  論文  参考訳（メタデータ） (2023-10-24T02:37:49Z)
• 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)
• A Dual-scale Lead-seperated Transformer With Lead-orthogonal Attention And Meta-information For Ecg Classification [26.07181634056045]
  本研究は、鉛直交注意とメタ情報(DLTM-ECG)を併用したデュアルスケールリード分離変圧器を提案する。 ECGセグメントは独立パッチとして解釈され、縮小次元信号と共に二重スケールの表現を形成する。 我々の研究は、同様の多チャンネル生体電気信号処理や生理的多モードタスクの可能性を秘めている。
  論文  参考訳（メタデータ） (2022-11-23T08:45:34Z)
• 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)
• 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)
• 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)
• 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)
• Temporal EigenPAC for dyslexia diagnosis [0.0]
  交叉周波数結合(cfc)法は脳波から情報を抽出する方法を提供する。 CFC法は通常局所的に適用され、同じ電極における位相と振幅の相互作用を計算する。 本研究では, 電極間のPAC特性を計算し, 機能的接続性について検討する。
  論文  参考訳（メタデータ） (2021-04-13T07:51:07Z)
• 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)

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。