論文の概要: Online Obstructive Sleep Apnea Detection Based on Hybrid Machine
Learning And Classifier Combination For Home-based Applications
- arxiv url: http://arxiv.org/abs/2110.00660v1
- Date: Fri, 1 Oct 2021 21:39:23 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-05 15:07:28.913121
- Title: Online Obstructive Sleep Apnea Detection Based on Hybrid Machine
Learning And Classifier Combination For Home-based Applications
- Title（参考訳）: ハイブリッド機械学習と分類器の組み合わせによる家庭用睡眠時無呼吸のオンライン検出
- Authors: Hosna Ghandeharioun
- Abstract要約: 閉塞性睡眠時無呼吸症(OSA)は、現在の世紀で最も多い疾患の1つである。
本稿では,オンラインOSA検出のためのいくつかの構成を提案する。
提案手法は, 生体信号の使用制限, 自動検出, オンライン作業計画, 均一かつ許容可能な全データベースの性能(85%以上) などの利点を有する。
- 参考スコア（独自算出の注目度）: 3.199352681587309
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Automatic detection of obstructive sleep apnea (OSA) is in great demand. OSA
is one of the most prevalent diseases of the current century and established
comorbidity to Covid-19. OSA is characterized by complete or relative breathing
pauses during sleep. According to medical observations, if OSA remained
unrecognized and un-treated, it may lead to physical and mental complications.
The gold standard of scoring OSA severity is the time-consuming and expensive
method of polysomnography (PSG). The idea of online home-based surveillance of
OSA is welcome. It serves as an effective way for spurred detection and
reference of patients to sleep clinics. In addition, it can perform automatic
control of the therapeutic/assistive devices. In this paper, several
configurations for online OSA detection are proposed. The best configuration
uses both ECG and SpO2 signals for feature extraction and MI analysis for
feature reduction. Various methods of supervised machine learning are exploited
for classification. Finally, to reach the best result, the most successful
classifiers in sensitivity and specificity are combined in groups of three
members with four different combination methods. The proposed method has
advantages like limited use of biological signals, automatic detection, online
working scheme, and uniform and acceptable performance (over 85%) in all the
employed databases. These advantages have not been integrated in previous
published methods.
- Abstract（参考訳）: 閉塞型睡眠時無呼吸症候群(OSA)の自動検出が要求されている。
OSAは現在の世紀で最も一般的な病気の1つであり、コビッド19との共生を確立した。
OSAは、睡眠中に完全にまたは相対的な呼吸停止を特徴とする。
医学的な観察によると、OSAが認識されず、治療を受けていない場合、身体的および精神的な合併症を引き起こす可能性がある。
osaの重症度をスコアするゴールドスタンダードは、時間と費用のかかるポリソムノグラフィ(psg)である。
OSAのオンラインホームベースの監視というアイデアは歓迎される。
睡眠クリニックへの患者の検出と参照を促進させる効果的な方法として機能する。
また、治療・補助装置の自動制御も行うことができる。
本稿では,オンラインOSA検出のためのいくつかの構成を提案する。
最高の構成では、ECG信号とSpO2信号の両方を特徴抽出に使用し、特徴量削減にMI分析を使用する。
教師あり機械学習の様々な手法を分類に活用する。
最後に、最良の結果に達するために、感度と特異性において最も成功した分類器は、4つの異なる組み合わせ方法を持つ3人のメンバーのグループに結合される。
提案手法は, 生体信号の使用制限, 自動検出, オンライン作業計画, 均一かつ許容可能な全データベースの性能(85%以上) などの利点を有する。
これらの利点は、以前の公開メソッドには統合されていない。
関連論文リスト
- STREAMLINE: An Automated Machine Learning Pipeline for Biomedicine
Applied to Examine the Utility of Photography-Based Phenotypes for OSA
Prediction Across International Sleep Centers [2.872498492478085]
我々は、シンプルで透明でエンドツーエンドの機械学習パイプライン(STREAMLINE)を開発し、検証する。
閉塞性睡眠時無呼吸(OSA)予測のための写真ベース表現型追加の有用性の検討にSTREAMLINEを適用した。
ベンチマーク分析により,データシミュレーションにおけるSTREAMLINEの有効性が検証された。
論文 参考訳（メタデータ） (2023-12-09T04:12:38Z) - AIOSA: An approach to the automatic identification of obstructive sleep
apnea events based on deep learning [1.5381930379183162]
OSASは、死亡率の上昇、神経障害の悪化、リハビリテーション後の機能低下、高血圧の発症率の上昇と関連している。
OSAS診断のための金標準検査はPSG (Polysomnography) である。
生波形データの時間分解能を低減できる畳み込み型ディープラーニングアーキテクチャを提案する。
論文 参考訳（メタデータ） (2023-02-10T11:21:47Z) - Exploiting prompt learning with pre-trained language models for
Alzheimer's Disease detection [70.86672569101536]
アルツハイマー病(AD)の早期診断は予防ケアの促進とさらなる進行の遅らせに不可欠である。
本稿では,AD分類誤差をトレーニング対象関数として一貫して用いたPLMの高速微調整法について検討する。
論文 参考訳（メタデータ） (2022-10-29T09:18:41Z) - Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based
Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。
我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文 参考訳（メタデータ） (2021-10-27T19:28:36Z) - Spotting adversarial samples for speaker verification by neural vocoders [102.1486475058963]
我々は、自動話者検証(ASV)のための敵対サンプルを見つけるために、ニューラルボコーダを採用する。
元の音声と再合成音声のASVスコアの違いは、真正と逆正のサンプルの識別に良い指標であることがわかった。
私たちのコードは、将来的な比較作業のためにオープンソースにされます。
論文 参考訳（メタデータ） (2021-07-01T08:58:16Z) - Convolutional Neural Networks for Sleep Stage Scoring on a Two-Channel
EEG Signal [63.18666008322476]
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。
論文 参考訳（メタデータ） (2021-03-30T09:59:56Z) - Neural networks for Anatomical Therapeutic Chemical (ATC) [83.73971067918333]
両方向の長期記憶ネットワーク(BiLSTM)から抽出された集合を含む、特徴の異なるセットで訓練された複数の複数ラベル分類器を組み合わせることを提案する。
実験はこのアプローチのパワーを実証し、文献で報告された最良の手法よりも優れていることを示した。
論文 参考訳（メタデータ） (2021-01-22T19:49:47Z) - Anomaly Detection with Convolutional Autoencoders for Fingerprint
Presentation Attack Detection [11.879849130630406]
提示攻撃検出(PAD)法は、ボナファイド被検体由来のサンプルと、提示攻撃装置(PAI)由来のサンプルとを判定するために用いられる。
短波長赤外領域で捕獲されたボナファイドサンプル(すなわち1クラス)にのみ訓練されたオートエンコーダ(AE)に基づく新しいPAD手法を提案する。
論文 参考訳（メタデータ） (2020-08-18T15:33:41Z) - Automate Obstructive Sleep Apnea Diagnosis Using Convolutional Neural
Networks [4.882119124419393]
本稿では,1次元畳み込み層とFCN層を有するCNNアーキテクチャについて述べる。
提案した1次元CNNモデルはPSG信号を手動で前処理することなく優れた分類結果が得られる。
論文 参考訳（メタデータ） (2020-06-13T15:35:18Z) - Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using
Deep Multiple-Instance Learning [59.74684475991192]
パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。
PD症状には、震動、剛性、ブレイキネジアがある。
本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
論文 参考訳（メタデータ） (2020-05-06T09:02:30Z) - Sleep Stage Scoring Using Joint Frequency-Temporal and Unsupervised
Features [5.104181562775778]
多くの自動睡眠ステージ認識法が提案されている。
これらの手法のほとんどは、バイタル信号から抽出された時間周波数の特徴を用いる。
近年,教師なし特徴抽出にディープニューラルネットワークを用いるASSR法が提案されている。
本稿では,この2つのアイデアを組み合わせて,時間周波数と教師なしの特徴を同時に利用することを提案する。
論文 参考訳（メタデータ） (2020-04-10T02:00:29Z)
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。