Fugu-MT 論文翻訳(概要): Seizure Classification Using Parallel Genetic Naive Bayes Classifiers

論文の概要: Seizure Classification Using Parallel Genetic Naive Bayes Classifiers

arxiv url: http://arxiv.org/abs/2110.01742v1
Date: Mon, 4 Oct 2021 23:14:28 GMT
ステータス: 処理完了
システム内更新日: 2021-10-06 13:57:34.186592
Title: Seizure Classification Using Parallel Genetic Naive Bayes Classifiers
Title（参考訳）: 並列遺伝的ベイズ分類器を用いた発作分類
Authors: Scot Davidson and Niamh McCallan and Kok Yew Ng and Pardis Biglarbeigi and Dewar Finlay and Boon Leong Lan and James McLaughlin
Abstract要約: 清水検知・分類は、その状態を維持するための貴重な道具である。本研究では,遺伝的アルゴリズムを用いて訓練した新しい並列分類器を用いた特徴量を用いた手法を提案する。
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: Epilepsy affects 50 million people worldwide and is one of the most common serious brain disorders. Seizure detection and classification is a valuable tool for maintaining the condition. An automated detection algorithm will allow for accurate diagnosis. This study proposes a method using unique features with a novel parallel classifier trained using a genetic algorithm. Ictal states from the EEG are segmented into 1.8 s windows, where the epochs are then further decomposed into 13 different features from the first IMF. All of the features are fed into a genetic algorithm (Binary Grey Wolf Optimisation Option 1) with a Naive Bayes classifier. Combining the simple-partial and complex-partial seizures provides the highest accuracy of all the models tested.
Abstract（参考訳）: てんかんは世界中で5000万人に影響を及ぼし、脳疾患の中でも最も多い。発作の検出と分類は、状態を維持するための貴重なツールである。自動検出アルゴリズムは正確な診断を可能にする。本研究では,遺伝的アルゴリズムを用いた新しい並列分類器を用いた特徴量を用いた手法を提案する。 EEGのイクタル状態は1.8秒の窓に区分され、エポックは最初のIMFから13の異なる特徴に分解される。すべての特徴は遺伝的アルゴリズム(Binary Grey Wolf Optimisation Option 1)に入力され、Naive Bayes分類器が使用される。単純部分発作と複雑部分発作の組み合わせは、テストされた全てのモデルの最高精度を提供する。

関連論文リスト

Reduced Deep Convolutional Activation Features (R-DeCAF) in Histopathology Images to Improve the Classification Performance for Breast Cancer Diagnosis [0.0]
乳がんは世界で2番目に多いがんである。ディープ畳み込みニューラルネットワーク(CNN)は効果的なソリューションである。事前訓練したCNNの活性化層から抽出した特徴をDeep Convolutional activation features (DeCAF)と呼ぶ。
論文参考訳（メタデータ） (2023-01-05T06:53:46Z)
A Stable, Fast, and Fully Automatic Learning Algorithm for Predictive Coding Networks [65.34977803841007]
予測符号化ネットワークは、ベイズ統計学と神経科学の両方にルーツを持つ神経科学にインスパイアされたモデルである。シナプス重みに対する更新規則の時間的スケジュールを変更するだけで、元の規則よりもずっと効率的で安定したアルゴリズムが得られることを示す。
論文参考訳（メタデータ） (2022-11-16T00:11:04Z)
Do We Really Need a Learnable Classifier at the End of Deep Neural Network? [118.18554882199676]
本研究では、ニューラルネットワークを学習して分類器をランダムにETFとして分類し、訓練中に固定する可能性について検討する。実験結果から,バランスの取れたデータセットの画像分類において,同様の性能が得られることがわかった。
論文参考訳（メタデータ） (2022-03-17T04:34:28Z)
Optimal Clustering with Bandit Feedback [57.672609011609886]
本稿では,バンディットフィードバックを用いたオンラインクラスタリングの問題点について考察する。これは、NPハード重み付きクラスタリング問題をサブルーチンとして解決する必要性を回避するための、シーケンシャルなテストのための新しい停止規則を含む。合成および実世界のデータセットの広範なシミュレーションを通して、BOCの性能は下界と一致し、非適応的ベースラインアルゴリズムよりも大幅に優れることを示す。
論文参考訳（メタデータ） (2022-02-09T06:05:05Z)
StRegA: Unsupervised Anomaly Detection in Brain MRIs using a Compact Context-encoding Variational Autoencoder [48.2010192865749]
教師なし異常検出(UAD)は、健康な被験者の異常なデータセットからデータ分布を学習し、分布サンプルの抽出に応用することができる。本研究では,コンテクストエンコーディング(context-encoding)VAE(ceVAE)モデルのコンパクトバージョンと,前処理と後処理のステップを組み合わせて,UADパイプライン(StRegA)を作成することを提案する。提案したパイプラインは、BraTSデータセットのT2w画像と0.859$pm$0.112の腫瘍を検出しながら、Diceスコアが0.642$pm$0.101に達した。
論文参考訳（メタデータ） (2022-01-31T14:27:35Z)
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)
Detection of Epileptic Seizures on EEG Signals Using ANFIS Classifier, Autoencoders and Fuzzy Entropies [9.861415775909663]
脳波信号はてんかん発作の検出に広く用いられている。本稿ではファジィ理論と深層学習技術を用いた新しい診断手法を提案する。
論文参考訳（メタデータ） (2021-09-06T11:02:25Z)
Cervical Cytology Classification Using PCA & GWO Enhanced Deep Features Selection [1.990876596716716]
子宮頸癌は世界でも最も致命的かつ一般的な疾患の1つである。ディープラーニングと特徴選択を利用した完全自動化フレームワークを提案する。このフレームワークは3つの公開ベンチマークデータセットで評価されている。
論文参考訳（メタデータ） (2021-06-09T08:57:22Z)
Multiclass Anomaly Detection in GI Endoscopic Images using Optimized Deep One-class Classification in an Imbalanced Dataset [0.0]
ワイヤレスカプセル内視鏡は、医師が消化管を非侵襲的に検査するのに役立つ。 KID2やKvasirのような利用可能なデータセットの多くは、効果的な人工知能(AI)システムのトレーニングを難しくする不均衡な問題に悩まされている。本研究では,一類分類器のアンサンブルを用いて異常を検出する。
論文参考訳（メタデータ） (2021-03-15T16:28:42Z)
Comparisons among different stochastic selection of activation layers for convolutional neural networks for healthcare [77.99636165307996]
ニューラルネットワークのアンサンブルを用いて生体医用画像の分類を行う。 ReLU, leaky ReLU, Parametric ReLU, ELU, Adaptive Piecewice Linear Unit, S-Shaped ReLU, Swish, Mish, Mexican Linear Unit, Parametric Deformable Linear Unit, Soft Root Sign。
論文参考訳（メタデータ） (2020-11-24T01:53:39Z)
Binary and Multiclass Classifiers based on Multitaper Spectral Features for Epilepsy Detection [1.721147796970279]
てんかんは脳波(EEG)で診断できる最も一般的な神経疾患の1つである本稿では,二分分類と多クラス分類の2つの区別文脈にてんかん検出の新しい手法を提案する。
論文参考訳（メタデータ） (2020-04-02T17:12:33Z)

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。