Fugu-MT 論文翻訳(概要): Automatic Diagnosis of Schizophrenia using EEG Signals and CNN-LSTM Models

論文の概要: Automatic Diagnosis of Schizophrenia using EEG Signals and CNN-LSTM Models

arxiv url: http://arxiv.org/abs/2109.01120v1
Date: Thu, 2 Sep 2021 17:45:50 GMT
ステータス: 処理完了
システム内更新日: 2021-09-03 13:48:28.777384
Title: Automatic Diagnosis of Schizophrenia using EEG Signals and CNN-LSTM Models
Title（参考訳）: 脳波信号とCNN-LSTMモデルを用いた統合失調症の自動診断
Authors: Afshin Shoeibi, Delaram Sadeghi, Parisa Moridian, Navid Ghassemi, Jonathan Heras, Roohallah Alizadehsani, Ali Khadem, Yinan Kong, Saeid Nahavandi, Juan M. Gorriz
Abstract要約: 本研究は脳波信号を用いた統合失調症自動診断のための多種多様な知的ディープラーニング(DL)に基づく手法を提供する。その結果,従来の知的手法と比較した。
参考スコア（独自算出の注目度）: 9.14428455487933
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Schizophrenia (SZ) is a mental disorder whereby due to the secretion of specific chemicals in the brain, the function of some brain regions is out of balance, leading to the lack of coordination between thoughts, actions, and emotions. This study provides various intelligent Deep Learning (DL)-based methods for automated SZ diagnosis via EEG signals. The obtained results are compared with those of conventional intelligent methods. In order to implement the proposed methods, the dataset of the Institute of Psychiatry and Neurology in Warsaw, Poland, has been used. First, EEG signals are divided into 25-seconds time frames and then were normalized by z-score or norm L2. In the classification step, two different approaches are considered for SZ diagnosis via EEG signals. In this step, the classification of EEG signals is first carried out by conventional DL methods, e.g., KNN, DT, SVM, Bayes, bagging, RF, and ET. Various proposed DL models, including LSTMs, 1D-CNNs, and 1D-CNN-LSTMs, are used in the following. In this step, the DL models were implemented and compared with different activation functions. Among the proposed DL models, the CNN-LSTM architecture has had the best performance. In this architecture, the ReLU activation function and the z-score and L2 combined normalization are used. The proposed CNN-LSTM model has achieved an accuracy percentage of 99.25\%, better than the results of most former studies in this field. It is worth mentioning that in order to perform all simulations, the k-fold cross-validation method with k=5 has been used.
Abstract（参考訳）: 統合失調症(英: Schizophrenia、SZ)は、脳内の特定の化学物質の分泌により、一部の脳領域の機能のバランスが取れなくなり、思考、行動、感情の協調が欠如する精神疾患である。本研究は、脳波信号によるsz自動診断のための様々な知的深層学習(dl)に基づく手法を提供する。得られた結果を従来の知的手法と比較する。提案手法を実現するためにポーランドのワルシャワにある精神医学神経学研究所のデータセットが使用されている。まず、EEG信号を25秒の時間フレームに分割し、次にzスコアまたは標準L2で正規化する。分類段階において、脳波信号によるSZ診断には2つの異なるアプローチが考えられる。この段階において、脳波信号の分類は、KNN、DT、SVM、ベイズ、バッグング、RF、ETといった従来のDL手法によって最初に行われる。 LSTM, 1D-CNN, 1D-CNN-LSTMなど, 様々なDLモデルについて述べる。このステップでは、DLモデルを実装し、異なるアクティベーション関数と比較した。提案されたDLモデルの中で、CNN-LSTMアーキテクチャは最高の性能を持っていた。このアーキテクチャでは、ReLU活性化関数とzスコアとL2の組み合わせ正規化を用いる。提案したCNN-LSTMモデルは99.25\%の精度を達成している。すべてのシミュレーションを実行するために、k=5の k-fold クロスバリデーション法が用いられていることに注意する必要がある。

関連論文リスト

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)
MP-SeizNet: A Multi-Path CNN Bi-LSTM Network for Seizure-Type Classification Using EEG [2.1915057426589746]
てんかん患者の治療と管理には, 精垂型鑑別が不可欠である。本稿では,MP-SeizNetを用いた新しいマルチパス・アセプション型ディープラーニング・ネットワークを提案する。 MP-SeizNetは、畳み込みニューラルネットワーク(CNN)と、注意機構を備えた双方向長短期記憶ニューラルネットワーク(Bi-LSTM)で構成されている。
論文参考訳（メタデータ） (2022-11-09T01:07:20Z)
Hierarchical Graph Convolutional Network Built by Multiscale Atlases for Brain Disorder Diagnosis Using Functional Connectivity [48.75665245214903]
本稿では,脳疾患診断のためのマルチスケールFCN解析を行うための新しいフレームワークを提案する。まず、マルチスケールFCNを計算するために、明確に定義されたマルチスケールアトラスのセットを用いる。そこで我々は, 生物的に有意な脳階層的関係を多スケールアトラスの領域で利用し, 結節プールを行う。
論文参考訳（メタデータ） (2022-09-22T04:17:57Z)
Automatic Diagnosis of Schizophrenia and Attention Deficit Hyperactivity Disorder in rs-fMRI Modality using Convolutional Autoencoder Model and Interval Type-2 Fuzzy Regression [10.735837620134964]
本稿では,新しいディープラーニング(DL)法を用いた静止状態fMRI(rs-fMRI)のSZおよびADHDインテリジェント検出法を提案する。 SZおよびADHD患者のrs-fMRIモダリティを含むUCLAデータセットが実験に使用されている。
論文参考訳（メタデータ） (2022-05-31T15:07:29Z)
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)
Novel EEG based Schizophrenia Detection with IoMT Framework for Smart Healthcare [0.0]
統合失調症(Sz)は、世界中の人々の思考、行動、感情に深刻な影響を及ぼす脳障害である。 EEGは非線形時系列信号であり、その非線形構造のために調査に利用することがかなり重要である。本稿では,深層学習を用いた脳波を用いたSz検出の性能向上を目的とする。
論文参考訳（メタデータ） (2021-11-19T18:21:20Z)
Performance of Dual-Augmented Lagrangian Method and Common Spatial Patterns applied in classification of Motor-Imagery BCI [68.8204255655161]
運動画像に基づく脳-コンピュータインタフェース(MI-BCI)は、神経リハビリテーションのための画期的な技術になる可能性がある。使用する脳波信号のノイズの性質のため、信頼性の高いBCIシステムは特徴の最適化と抽出のために特別な手順を必要とする。
論文参考訳（メタデータ） (2020-10-13T20:50:13Z)
Uncovering the structure of clinical EEG signals with self-supervised learning [64.4754948595556]
教師付き学習パラダイムは、しばしば利用可能なラベル付きデータの量によって制限される。この現象は脳波(EEG)などの臨床関連データに特に問題となる。ラベルのないデータから情報を抽出することで、ディープニューラルネットワークとの競合性能に到達することができるかもしれない。
論文参考訳（メタデータ） (2020-07-31T14:34:47Z)
CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文参考訳（メタデータ） (2020-07-20T21:47:28Z)
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)
Epileptic Seizure Classification with Symmetric and Hybrid Bilinear Models [20.376912072606412]
本稿では, 難治性てんかんの診断に応用したハイブリッドバイリニア深層学習ネットワークを提案する。診断の精度は、医療症状の重複、様々な経験のレベル、および臨床専門職間の多様性によっても複雑である。
論文参考訳（メタデータ） (2020-01-15T03:22:10Z)

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。