論文の概要: EEG functional connectivity and deep learning for automatic diagnosis of
brain disorders: Alzheimer's disease and schizophrenia
- arxiv url: http://arxiv.org/abs/2110.06140v1
- Date: Thu, 7 Oct 2021 23:26:38 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-17 05:12:46.484565
- Title: EEG functional connectivity and deep learning for automatic diagnosis of
brain disorders: Alzheimer's disease and schizophrenia
- Title(参考訳): 脳波機能接続と深層学習による脳疾患の自動診断 : アルツハイマー病と統合失調症
- Authors: Caroline L. Alves, Aruane M. Pineda, Kirstin Roster, Christiane
Thielemann, and Francisco A. Rodrigues
- Abstract要約: 脳波時系列と深層学習から得られた関係の行列に基づく精神障害の自動診断法を提案する。
我々は,アルツハイマー病と統合失調症の患者を高い精度で分類できることを示した。
- 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: Mental disorders are among the leading causes of disability worldwide. The
first step in treating these conditions is to obtain an accurate diagnosis, but
the absence of established clinical tests makes this task challenging. Machine
learning algorithms can provide a possible solution to this problem, as we
describe in this work. We present a method for the automatic diagnosis of
mental disorders based on the matrix of connections obtained from EEG time
series and deep learning. We show that our approach can classify patients with
Alzheimer's disease and schizophrenia with a high level of accuracy. The
comparison with the traditional cases, that use raw EEG time series, shows that
our method provides the highest precision. Therefore, the application of deep
neural networks on data from brain connections is a very promising method to
the diagnosis of neurological disorders.
- Abstract(参考訳): 精神障害は世界中で障害の主な原因の一つである。
これらの疾患の治療の最初のステップは正確な診断を得ることであるが、確立された臨床検査がないことは、この課題を困難にする。
機械学習アルゴリズムは、この研究で説明したように、この問題に対する可能な解決策を提供することができる。
本稿では,脳波時系列と深層学習から得られた接続のマトリクスに基づいて精神疾患の自動診断を行う方法を提案する。
我々は,アルツハイマー病と統合失調症の患者を高い精度で分類できることを示した。
生の脳波時系列を用いた従来の事例との比較から,本手法が最も精度が高いことを示す。
したがって、深層ニューラルネットワークを脳接続データに適用することは、神経疾患の診断に非常に有望な方法である。
関連論文リスト
- Study of Brain Network in Alzheimers Disease Using Wavelet-Based Graph Theory Method [0.0]
アルツハイマー病(英語: Alzheimer's disease、AD)は、記憶喪失と認知低下を特徴とする神経変性疾患である。
ピアソンの相関のような伝統的な手法は相関行列を計算するために使われてきた。
本稿では、離散ウェーブレット変換(DWT)とグラフ理論を統合し、脳ネットワークの動的挙動をモデル化する新しい手法を提案する。
論文 参考訳(メタデータ) (2024-09-06T07:26:14Z) - A Novel Audio-Visual Information Fusion System for Mental Disorders Detection [6.3344832182228]
メンタル障害は、世界的な医療課題に最も貢献している。
本稿では,精神疾患の感情表現機能に着目し,音声・視覚情報入力に基づくマルチモーダル精神障害診断システムを導入する。
提案システムは空間的時間的注意ネットワークをベースとし,より計算力の低い事前学習音声認識ネットワークを用いて,より優れた結果を得るためにビデオ認識モジュールを微調整する。
論文 参考訳(メタデータ) (2024-09-03T19:16:36Z) - Computer aided diagnosis system for Alzheimers disease using principal component analysis and machine learning based approaches [0.0]
アルツハイマー病(英語: Alzheimers disease、AD)は、重度の神経疾患である。
治療はできないが、早期発見は症状の改善に大きく貢献する。
機械学習ベースのアプローチは、医療画像処理タスクのための人気があり、モチベーションのよいモデルである。
論文 参考訳(メタデータ) (2024-04-15T15:49:11Z) - Empowering Psychotherapy with Large Language Models: Cognitive
Distortion Detection through Diagnosis of Thought Prompting [82.64015366154884]
本研究では,認知的歪み検出の課題について検討し,思考の早期発見(DoT)を提案する。
DoTは、事実と思考を分離するための主観的評価、思考と矛盾する推論プロセスを引き出すための対照的な推論、認知スキーマを要約するスキーマ分析という3つの段階を通して、患者のスピーチの診断を行う。
実験により、DoTは認知的歪み検出のためのChatGPTよりも大幅に改善され、一方で人間の専門家が承認した高品質な合理性を生成することが示された。
論文 参考訳(メタデータ) (2023-10-11T02:47:21Z) - UniBrain: Universal Brain MRI Diagnosis with Hierarchical
Knowledge-enhanced Pre-training [66.16134293168535]
我々はUniBrainと呼ばれるユニバーサル脳MRI診断のための階層的知識強化事前訓練フレームワークを提案する。
具体的には、UniBrainは、定期的な診断から24,770のイメージレポートペアの大規模なデータセットを活用する。
論文 参考訳(メタデータ) (2023-09-13T09:22:49Z) - Deep Reinforcement Learning Framework for Thoracic Diseases
Classification via Prior Knowledge Guidance [49.87607548975686]
関連疾患に対するラベル付きデータの不足は、正確な診断にとって大きな課題となる。
本稿では,診断エージェントの学習を指導するための事前知識を導入する,新しい深層強化学習フレームワークを提案する。
提案手法の性能はNIHX-ray 14とCheXpertデータセットを用いて実証した。
論文 参考訳(メタデータ) (2023-06-02T01:46:31Z) - Classification of ADHD Patients Using Kernel Hierarchical Extreme
Learning Machine [3.39487428163997]
我々は、脳機能接続のダイナミクスを利用して、医療画像データの特徴をモデル化する。
その結果,最先端モデルよりも優れた分類率を得た。
論文 参考訳(メタデータ) (2022-06-28T05:17:54Z) - NeuralSympCheck: A Symptom Checking and Disease Diagnostic Neural Model
with Logic Regularization [59.15047491202254]
症状検査システムは、患者に症状を問い合わせ、迅速で手頃な価格の医療評価を行う。
本稿では,論理正則化を用いたニューラルネットワークの教師付き学習に基づく新しい手法を提案する。
以上の結果から,本手法は診断回数や症状が大きい場合の診断精度において,最も優れた方法であることがわかった。
論文 参考訳(メタデータ) (2022-06-02T07:57:17Z) - RobIn: A Robust Interpretable Deep Network for Schizophrenia Diagnosis [12.180396034315807]
統合失調症は、長く複雑な診断プロセスを必要とする重度の精神疾患である。
脳画像データから統合失調症の診断にディープラーニングを応用しようとする試みは、将来性を示しているが、大きなトレーニングと応用のギャップに悩まされている。
我々は、アクセスしやすいデータに焦点をあてて、このトレーニングとアプリケーション間のギャップを減らすことを提案する。
論文 参考訳(メタデータ) (2022-03-31T15:01:35Z) - Inheritance-guided Hierarchical Assignment for Clinical Automatic
Diagnosis [50.15205065710629]
臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。
本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
論文 参考訳(メタデータ) (2021-01-27T13:16:51Z) - A Graph Gaussian Embedding Method for Predicting Alzheimer's Disease
Progression with MEG Brain Networks [59.15734147867412]
アルツハイマー病(AD)に関連する機能的脳ネットワークの微妙な変化を特徴付けることは、疾患進行の早期診断と予測に重要である。
我々は、多重グラフガウス埋め込みモデル(MG2G)と呼ばれる新しいディープラーニング手法を開発した。
我々はMG2Gを用いて、MEG脳ネットワークの内在性潜在性次元を検出し、軽度認知障害(MCI)患者のADへの進行を予測し、MCIに関連するネットワーク変化を伴う脳領域を同定した。
論文 参考訳(メタデータ) (2020-05-08T02:29:24Z)
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。