論文の概要: Automated Human Mind Reading Using EEG Signals for Seizure Detection
- arxiv url: http://arxiv.org/abs/2111.03270v1
- Date: Fri, 5 Nov 2021 05:31:33 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-08 16:26:32.118866
- Title: Automated Human Mind Reading Using EEG Signals for Seizure Detection
- Title（参考訳）: 脳波信号を用いた発作検出のための自動心電図読取
- Authors: Virender Ranga, Shivam Gupta, Jyoti Meena, Priyansh Agrawal
- Abstract要約: てんかんは、紀元前4000年に全世界で発生した最も発生頻度の高い神経疾患の1つである。
神経学者を支援するディープラーニングにニューラルネットワークを使用するような、情報技術の分野では、自動化されたシステムがいくつか必要である。
本稿では,自動システムの開発に使用できる98.33%の精度を与えるモデルを提案する。
- 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 is one of the most occurring neurological disease globally emerged
back in 4000 BC. It is affecting around 50 million people of all ages these
days. The trait of this disease is recurrent seizures. In the past few decades,
the treatments available for seizure control have improved a lot with the
advancements in the field of medical science and technology.
Electroencephalogram (EEG) is a widely used technique for monitoring the brain
activity and widely popular for seizure region detection. It is performed
before surgery and also to predict seizure at the time operation which is
useful in neuro stimulation device. But in most of cases visual examination is
done by neurologist in order to detect and classify patterns of the disease but
this requires a lot of pre-domain knowledge and experience. This all in turns
put a pressure on neurosurgeons and leads to time wastage and also reduce their
accuracy and efficiency. There is a need of some automated systems in arena of
information technology like use of neural networks in deep learning which can
assist neurologists. In the present paper, a model is proposed to give an
accuracy of 98.33% which can be used for development of automated systems. The
developed system will significantly help neurologists in their performance.
- Abstract（参考訳）: てんかん(英: epilepsy)は、紀元前4000年に世界中で発生した神経疾患の1つである。
現在、全年齢の約5000万人に影響を及ぼしている。
この病気の特徴は再発性発作である。
過去数十年間、発作治療のための治療法は、医学とテクノロジーの分野での進歩とともに大幅に改善されてきた。
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。
手術前に行うとともに、神経刺激装置で有用な時間手術時の発作を予測する。
しかし多くの場合、視覚検査は神経学者によって病気のパターンを検出し分類するために行われるが、多くの事前知識と経験を必要とする。
これにより神経外科医に圧力がかかり、時間の浪費につながり、精度と効率が低下します。
神経科医を支援する深層学習におけるニューラルネットワークの利用など、情報技術の領域では、いくつかの自動化システムが必要である。
本稿では,自動化システムの開発に使用できる98.33%の精度を与えるためのモデルを提案する。
開発されたシステムは、神経科医のパフォーマンスを著しく改善する。
関連論文リスト
- Hebbian Learning based Orthogonal Projection for Continual Learning of
Spiking Neural Networks [74.3099028063756]
我々は,側方接続とヘビアン学習に基づくニューラル操作を用いた新しい手法を開発した。
我々は,反復する側方接続におけるヘビアン学習と反ヘビアン学習が,神経活動の主部分空間を効果的に抽出できることを示した。
我々の手法は、ほとんど忘れることなくニューラルネットワークをスパイクするために一貫して解決する。
論文 参考訳（メタデータ） (2024-02-19T09:29:37Z) - Towards a Foundation Model for Brain Age Prediction using coVariance
Neural Networks [102.75954614946258]
時間的年齢に関する脳年齢の増加は、神経変性と認知低下に対する脆弱性の増加を反映している。
NeuroVNNは、時系列年齢を予測するために、健康な人口の回帰モデルとして事前訓練されている。
NeuroVNNは、脳の年齢に解剖学的解釈性を加え、任意の脳のアトラスに従って計算されたデータセットへの転移を可能にする「スケールフリー」特性を持つ。
論文 参考訳（メタデータ） (2024-02-12T14:46:31Z) - Brain-Inspired Machine Intelligence: A Survey of
Neurobiologically-Plausible Credit Assignment [65.268245109828]
本稿では,神経生物学にインスパイアされた,あるいは動機付けられた人工ニューラルネットワークにおける信用割当を行うアルゴリズムについて検討する。
我々は、脳にインスパイアされた学習スキームを6つの一般的なファミリーにまとめ、これらを誤りのバックプロパゲーションの文脈で検討する。
本研究の成果は,神経ミメティックシステムとその構成的学習プロセスの今後の発展を促進することを目的としている。
論文 参考訳（メタデータ） (2023-12-01T05:20:57Z) - BrainNet: Epileptic Wave Detection from SEEG with Hierarchical Graph
Diffusion Learning [21.689503325383253]
実世界のSEEGデータセットにおけるてんかん性波を検出するための,最初のデータ駆動型研究を提案する。
臨床的には、てんかん波の活動は脳の異なる領域間で伝播していると考えられている。
各患者に対して正確なてんかん原性ネットワークをどうやって抽出するかという問題は、神経科学の分野では未解決の問題のままである。
論文 参考訳（メタデータ） (2023-06-15T08:29:10Z) - \'Epilexie: A digital therapeutic approach for treating intractable
epilepsy via Amenable Neurostimulation [0.0]
難治性てんかんに対するデジタル治療戦略の一環として,Amenable Neurostimulation (ANS) について検討した。
ANSはクローズドループシステムを使用して、影響を受ける領域のニューロンを選択的に刺激し、発作の頻度を下げる。
このパイロット研究の結果は、ANSが難治性てんかんに苦しむ人々にとって、現実的で成功した治療オプションである可能性を示している。
論文 参考訳（メタデータ） (2023-04-28T01:06:15Z) - Deep learning reveals the common spectrum underlying multiple brain
disorders in youth and elders from brain functional networks [53.257804915263165]
ヒトの初期および後期の脳障害は、脳機能における病理学的変化を共有する可能性がある。
病理的共通性に関する神経画像データによる重要な証拠はいまだ発見されていない。
多地点機能磁気共鳴画像データを用いたディープラーニングモデルを構築し、健康的な制御から5つの異なる脳障害を分類する。
論文 参考訳（メタデータ） (2023-02-23T09:22:05Z) - Shoupa: An AI System for Early Diagnosis of Parkinson's Disease [1.2862023695904008]
パーキンソン病(英: Parkinson's Disease、PD)は、進行性神経系疾患であり、580万人以上、特に高齢者に影響を与えた。
早期発見には神経科医やPDスペシャリストが関与する必要があるが、ほとんどの高齢者にはアクセスできない。
本稿では,運動と非運動の両症状を評価する異なるタスクを組み合わせたPD早期検出システムについて紹介する。
論文 参考訳（メタデータ） (2022-11-28T11:32:17Z) - Neural Network Based Epileptic EEG Detection and Classification [0.0]
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。
論文 参考訳（メタデータ） (2021-11-05T05:25:40Z) - EpilNet: A Novel Approach to IoT based Epileptic Seizure Prediction and
Diagnosis System using Artificial Intelligence [0.0]
本稿では,てんかん発作の予測・診断システムであるEpilNetを提案する。
1次元(1D)畳み込みニューラルネットワークである。EpilNetは5つのクラスで79.13%のテスト精度を与え、関連する研究と比較して約6-7%の大幅な増加をもたらした。
論文 参考訳（メタデータ） (2021-11-05T05:19:46Z) - Patch-based Brain Age Estimation from MR Images [64.66978138243083]
磁気共鳴画像(MRI)による脳年齢推定は、被験者の生物学的脳年齢と時系列年齢の違いを導出する。
より高年齢の神経変性を早期に検出することは、より良い医療と患者の計画を促進する可能性がある。
我々は、脳の3Dパッチと畳み込みニューラルネットワーク(CNN)を用いて、局所的な脳年齢推定器を開発する新しいディープラーニングアプローチを開発した。
論文 参考訳（メタデータ） (2020-08-29T11:50:37Z) - A Developmental Neuro-Robotics Approach for Boosting the Recognition of
Handwritten Digits [91.3755431537592]
近年のエビデンスでは、子どもの体現戦略をシミュレーションすることで、マシンインテリジェンスも改善できることが示されている。
本稿では,発達神経ロボティクスの文脈における畳み込みニューラルネットワークモデルへの具体的戦略の適用について検討する。
論文 参考訳（メタデータ） (2020-03-23T14:55:00Z)
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。