論文の概要: Neural Network Based Epileptic EEG Detection and Classification

• arxiv url: http://arxiv.org/abs/2111.03268v1
• Date: Fri, 5 Nov 2021 05:25:40 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-08 16:11:21.266790
• Title: Neural Network Based Epileptic EEG Detection and Classification
• Title（参考訳）: ニューラルネットワークによるてんかん性脳波の検出と分類
• Authors: Shivam Gupta, Jyoti Meena and O.P Gupta
• Abstract要約: 脳波信号の真の性質をテキスト1次元ベクトルとして保存するモデルが提案されている。 提案モデルは,平均感度81%,特異度81.4%であるボン大学データセットに対して,それぞれ芸術性能の状態を達成している。
• 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: Timely diagnosis is important for saving the life of epileptic patients. In past few years, a lot of treatments are available for epilepsy. These treatments require use of anti-seizure drugs but are not effective in controlling frequency of seizure. There is need of removal of an affected region using surgery. Electroencephalogram (EEG) is a widely used technique for monitoring the brain activity and widely popular for seizure region detection. It is used before surgery for locating affected region. This manual process, using EEG graphs, is time consuming and requires deep expertise. In the present paper, a model has been proposed that preserves the true nature of an EEG signal in form of textual one-dimensional vector. The proposed model achieves a state of art performance for Bonn University dataset giving an average sensitivity, specificity of 81% and 81.4% respectively for classification of EEG data among all five classes. Also for binary classification achieving 99.9%, 99.5% score value for specificity and sensitivity instead of 2D models used by other researchers. Thus, developed system will significantly help neurosurgeons in the increase of their performance.
• Abstract（参考訳）: 時間的診断はてんかん患者の救命に重要である。 ここ数年では、てんかんに対する治療が数多く行われている。 これらの治療は抗精神病薬の使用を必要とするが、発作の頻度を制御するには有効ではない。 手術で患部を切除する必要がある。 脳波(Electroencephalogram、EEG)は脳活動のモニタリングに広く用いられ、発作領域の検出に広く用いられている技術である。 手術前に病原領域の特定に使用される。 この手動のプロセスは、EEGグラフを使用して、時間がかかり、深い専門知識を必要とします。 本稿では,脳波信号の真の性質をテキスト的一次元ベクトルとして保存するモデルを提案する。 提案モデルでは,5つのクラスの脳波データの分類において,平均感度,特異度81%,特異度81.4%のbonn大学データセットの芸術性能が向上した。 また、99.9%を達成したバイナリ分類では、99.5%のスコアが、他の研究者が使用する2Dモデルの代わりに特異性と感度を示す。 したがって、発達したシステムは神経外科医の能力向上に大きく貢献する。

関連論文リスト

• Epilepsy Seizure Detection and Prediction using an Approximate Spiking Convolutional Transformer [12.151626573534001]
  本稿では, てんかん発作セグメントを検出し, 予測するために, ニューロモルフィック・スパイキング・コンボリューション・トランス (Spking Convolutional Transformer) を提案する。 ボストン小児病院-MIT(CHB-MIT)脳波データセットを用いたスパイキング・コンフォーマーモデルによる評価結果について報告する。 生の脳波データを入力として使用することにより、提案されたスパイキングコンフォーマーの平均感度は94.9%、特異度は99.3%に達した。
  論文  参考訳（メタデータ） (2024-01-21T19:23:56Z)
• Task-oriented Self-supervised Learning for Anomaly Detection in Electroencephalography [51.45515911920534]
  タスク指向型自己教師型学習手法を提案する。 大きなカーネルを持つ特定の2つの分岐畳み込みニューラルネットワークを特徴抽出器として設計する。 効果的に設計され、訓練された特徴抽出器は、より優れた特徴表現を脳波から抽出できることが示されている。
  論文  参考訳（メタデータ） (2022-07-04T13:15:08Z)
• Wavelet-Based Multi-Class Seizure Type Classification System [2.1915057426589746]
  本稿では,Dual-tree Complex Wavelet Transform (DTCWT) を用いて脳波信号から特定の特徴を抽出し,それらを分類する手法を提案する。 F1スコアの重み付けを99.1%, 74.7%とした。
  論文  参考訳（メタデータ） (2022-02-19T23:58:01Z)
• EMT-NET: Efficient multitask network for computer-aided diagnosis of breast cancer [58.720142291102135]
  乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。 腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。 腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
  論文  参考訳（メタデータ） (2022-01-13T05:24:40Z)
• SOUL: An Energy-Efficient Unsupervised Online Learning Seizure Detection Classifier [68.8204255655161]
  神経活動を記録して発作を検出するインプラントデバイスは、発作を抑えるために警告を発したり神経刺激を誘発したりするために採用されている。 移植可能な発作検出システムでは、低出力で最先端のオンライン学習アルゴリズムを使用して、神経信号のドリフトに動的に適応することができる。 SOULはTSMCの28nmプロセスで0.1mm2を占め、1.5nJ/分級エネルギー効率を実現した。
  論文  参考訳（メタデータ） (2021-10-01T23:01:20Z)
• 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)
• An End-to-End Deep Learning Approach for Epileptic Seizure Prediction [4.094649684498489]
  畳み込みニューラルネットワーク(CNN)を用いたエンドツーエンドディープラーニングソリューションを提案する。 総合感度、誤予測率、受信機動作特性曲線下の面積は、それぞれ2つのデータセットで93.5%、0.063/h、0.981、98.8%、0.074/h、0.988に達する。
  論文  参考訳（メタデータ） (2021-08-17T05:49:43Z)
• Identification of Ischemic Heart Disease by using machine learning technique based on parameters measuring Heart Rate Variability [50.591267188664666]
  本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。 最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
  論文  参考訳（メタデータ） (2020-10-29T19:14:41Z)
• Classification of COVID-19 in CT Scans using Multi-Source Transfer Learning [91.3755431537592]
  我々は,従来のトランスファー学習の改良にマルチソース・トランスファー・ラーニングを応用して,CTスキャンによる新型コロナウイルスの分類を提案する。 マルチソースファインチューニングアプローチでは、ImageNetで微調整されたベースラインモデルよりも優れています。 我々の最高のパフォーマンスモデルは、0.893の精度と0.897のリコールスコアを達成でき、ベースラインのリコールスコアを9.3%上回った。
  論文  参考訳（メタデータ） (2020-09-22T11:53:06Z)
• A Novel Transferability Attention Neural Network Model for EEG Emotion Recognition [51.203579838210885]
  脳波感情認識のための伝達型注目ニューラルネットワーク(TANN)を提案する。 TANNは、伝達可能な脳波領域のデータとサンプルを適応的に強調することにより、感情的な識別情報を学習する。 これは、複数の脳領域レベル判別器と1つのサンプルレベル判別器の出力を測定することで実現できる。
  論文  参考訳（メタデータ） (2020-09-21T02:42:30Z)

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。