論文の概要: Temporal EigenPAC for dyslexia diagnosis

• arxiv url: http://arxiv.org/abs/2104.05991v1
• Date: Tue, 13 Apr 2021 07:51:07 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-14 13:15:21.199353
• Title: Temporal EigenPAC for dyslexia diagnosis
• Title（参考訳）: dyslexia 診断のための経時的EigenPAC
• Authors: Nicol\'as Gallego-Molina, Marco Formoso, Andr\'es Ortiz, Francisco J. Mart\'inez-Murcia, Juan L. Luque
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Electroencephalography signals allow to explore the functional activity of the brain cortex in a non-invasive way. However, the analysis of these signals is not straightforward due to the presence of different artifacts and the very low signal-to-noise ratio. Cross-Frequency Coupling (CFC) methods provide a way to extract information from EEG, related to the synchronization among frequency bands. However, CFC methods are usually applied in a local way, computing the interaction between phase and amplitude at the same electrode. In this work we show a method to compute PAC features among electrodes to study the functional connectivity. Moreover, this has been applied jointly with Principal Component Analysis to explore patterns related to Dyslexia in 7-years-old children. The developed methodology reveals the temporal evolution of PAC-based connectivity. Directions of greatest variance computed by PCA are called eigenPACs here, since they resemble the classical \textit{eigenfaces} representation. The projection of PAC data onto the eigenPACs provide a set of features that has demonstrates their discriminative capability, specifically in the Beta-Gamma bands.
• Abstract（参考訳）: 脳波信号は、非侵襲的な方法で脳皮質の機能的活動を調べることができる。 しかし、これらの信号の解析は、異なるアーティファクトの存在と非常に低い信号対雑音比のため、単純ではない。 クロス周波数結合(CFC)法は、周波数帯域間の同期に関連する脳波から情報を抽出する方法を提供する。 しかし、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。 さらに,7歳児におけるDyslexia関連パターンの探索に主成分分析と併用して行った。 開発手法はPACベースの接続の時間的進化を明らかにする。 PCAによって計算される最大の分散の方向は、古典的な \textit{eigenfaces} 表現に似ているため、ここでは固有PACと呼ばれる。 固有パックへのpacデータの投影は、その識別能力、特にベータガンマバンドにおける特徴のセットを提供する。

関連論文リスト

• Multi-Source and Test-Time Domain Adaptation on Multivariate Signals using Spatio-Temporal Monge Alignment [59.75420353684495]
  コンピュータビジョンやバイオメディカルデータなどの信号に対する機械学習の応用は、ハードウェアデバイスやセッション記録にまたがる変動のため、しばしば課題に直面している。 本研究では,これらの変動を緩和するために,時空間モンジュアライメント(STMA)を提案する。 我々はSTMAが、非常に異なる設定で取得したデータセット間で、顕著で一貫したパフォーマンス向上をもたらすことを示す。
  論文  参考訳（メタデータ） (2024-07-19T13:33:38Z)
• DA-Flow: Dual Attention Normalizing Flow for Skeleton-based Video Anomaly Detection [52.74152717667157]
  本稿では,DAM(Dual Attention Module)と呼ばれる軽量モジュールを提案する。 フレームアテンション機構を使用して、最も重要なフレームを識別し、スケルトンアテンション機構を使用して、最小パラメータとフロップで固定されたパーティション間の広範な関係をキャプチャする。
  論文  参考訳（メタデータ） (2024-06-05T06:18:03Z)
• Physics-informed and Unsupervised Riemannian Domain Adaptation for Machine Learning on Heterogeneous EEG Datasets [53.367212596352324]
  脳波信号物理を利用した教師なし手法を提案する。 脳波チャンネルをフィールド、ソースフリーなドメイン適応を用いて固定位置にマッピングする。 提案手法は脳-コンピュータインタフェース(BCI)タスクおよび潜在的なバイオマーカー応用におけるロバストな性能を示す。
  論文  参考訳（メタデータ） (2024-03-07T16:17:33Z)
• Linking data separation, visual separation, and classifier performance using pseudo-labeling by contrastive learning [125.99533416395765]
  最終分類器の性能は、潜在空間に存在するデータ分離と、射影に存在する視覚的分離に依存すると論じる。 本研究は,ヒト腸管寄生虫の5つの現実的課題の画像データセットを1%の教師付きサンプルで分類し,その結果を実証する。
  論文  参考訳（メタデータ） (2023-02-06T10:01:38Z)
• 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)
• DriPP: Driven Point Processes to Model Stimuli Induced Patterns in M/EEG Signals [62.997667081978825]
  我々はDriPPと呼ばれる新しい統計点過程モデルを開発する。 我々は、このモデルのパラメータを推定するために、高速で原理化された予測最大化(EM)アルゴリズムを導出する。 標準MEGデータセットの結果から,我々の手法が事象関連ニューラルレスポンスを明らかにすることが示された。
  論文  参考訳（メタデータ） (2021-12-08T13:07:21Z)
• 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)
• Separating Stimulus-Induced and Background Components of Dynamic Functional Connectivity in Naturalistic fMRI [13.112514419777593]
  背景雑音から脳機能的接続性(FC)の刺激駆動動的変化を分離するための新しいデータ駆動アプローチを提案する。 共有低ランク部分空間を復元するために,低ランク行列の行間の差に対する融合型ペナルティを導入する。 融合PCPを解くために,乗算器の線形化交互方向法による効率的なアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2021-01-24T11:35:39Z)
• REPAC: Reliable estimation of phase-amplitude coupling in brain networks [6.396288020763144]
  脳波信号におけるPAC事象のモデリングと検出のための信頼性とロバストなアルゴリズムREPACを提案する。 本稿では,PAC様脳波信号の合成,特にPACを特徴付ける重要なパラメータについて述べる。 計算機シミュレーションを用いて、ランダムなPAC様脳波信号のセットを生成し、ベースライン法におけるREPACの性能をテストする。
  論文  参考訳（メタデータ） (2020-11-13T12:26:54Z)
• Evaluating phase synchronization methods in fMRI: a comparison study and new approaches [0.0]
  異なる脳領域の信号間の関係を評価する一つの方法は、その位相同期(PS)を時間にわたって測定することである。 IPSは、時間分解fMRI接続の単一タイムポイント解像度を提供するため、最近人気を博している。 相対位相(CRP)のコサインを表すIPSフレームワークに新しいアプローチを導入する。
  論文  参考訳（メタデータ） (2020-09-21T18:38:27Z)
• Theory inspired deep network for instantaneous-frequency extraction and signal components recovery from discrete blind-source data [1.6758573326215689]
  本稿では、未知の信号成分を回収する逆問題と周波数の抽出について考察する。 既存の分解法やアルゴリズムでは、この逆問題を解くことはできない。 本稿では、ブラインドソース信号の非一様サンプリングが可能な離散サンプルセットを直接ベースとしたディープニューラルネットワークの合成を提案する。
  論文  参考訳（メタデータ） (2020-01-31T18:54:00Z)

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。