論文の概要: A Time-Series Scale Mixture Model of EEG with a Hidden Markov Structure for Epileptic Seizure Detection

• arxiv url: http://arxiv.org/abs/2111.06526v1
• Date: Fri, 12 Nov 2021 01:48:21 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-15 13:25:52.915564
• Title: A Time-Series Scale Mixture Model of EEG with a Hidden Markov Structure for Epileptic Seizure Detection
• Title（参考訳）: Epileptic Seizure 検出のための隠れマルコフ構造を持つ脳波の時系列スケール混合モデル
• Authors: Akira Furui, Tomoyuki Akiyama, and Toshio Tsuji
• Abstract要約: 脳波(EEG)におけるてんかん発作を検出するため,マルコフ転移とスケール混合分布に基づく時系列モデルを提案する。 本研究では,臨床データセットから複数の周波数帯域を持つ脳波を用いた発作検出モデルの性能評価を行った。
• 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: In this paper, we propose a time-series stochastic model based on a scale mixture distribution with Markov transitions to detect epileptic seizures in electroencephalography (EEG). In the proposed model, an EEG signal at each time point is assumed to be a random variable following a Gaussian distribution. The covariance matrix of the Gaussian distribution is weighted with a latent scale parameter, which is also a random variable, resulting in the stochastic fluctuations of covariances. By introducing a latent state variable with a Markov chain in the background of this stochastic relationship, time-series changes in the distribution of latent scale parameters can be represented according to the state of epileptic seizures. In an experiment, we evaluated the performance of the proposed model for seizure detection using EEGs with multiple frequency bands decomposed from a clinical dataset. The results demonstrated that the proposed model can detect seizures with high sensitivity and outperformed several baselines.
• Abstract（参考訳）: 本稿では,脳波(EEG)におけるてんかん発作を検出するため,マルコフ転移とスケール混合分布に基づく時系列確率モデルを提案する。 提案モデルでは,各時点の脳波信号はガウス分布に従ってランダムな変数であると仮定する。 ガウス分布の共分散行列は、共分散の確率的変動をもたらすランダム変数でもある潜在スケールパラメータで重み付けされる。 この確率的関係の背景にマルコフ連鎖を持つ潜在状態変数を導入することにより、潜在スケールパラメータの分布の時系列変化をてんかん発作の状態に応じて表現することができる。 本研究では,臨床データセットから分解した複数の周波数帯域を持つ脳波を用いた発作検出モデルの性能評価を行った。 その結果,提案モデルは感度の高い発作を検出でき,いくつかのベースラインよりも優れていた。

関連論文リスト

• Relaxation Fluctuations of Correlation Functions: Spin and Random Matrix Models [0.0]
  本稿では,量子カオスの診断尺度として,ある相関関数の変動平均と分散について検討する。 モデルの3つの異なる位相(エルゴード相、フラクタル相、局所化相)を同定する。
  論文  参考訳（メタデータ） (2024-07-31T14:45:46Z)
• Dynamical mixture modeling with fast, automatic determination of Markov chains [0.0]
  変動EMは、高価なモデル比較や後続サンプリングなしに、各チェーンのマルコフ連鎖の数と力学を効率的に同定する。 この手法は、$tt Last.fm$音楽聴取、ウルトラマラソン実行、遺伝子発現に基づくシミュレーションおよび観測データセットを含む理論的解析と数値実験によって支持されている。
  論文  参考訳（メタデータ） (2024-06-07T05:43:11Z)
• Adaptive Annealed Importance Sampling with Constant Rate Progress [68.8204255655161]
  Annealed Importance Smpling (AIS)は、抽出可能な分布から重み付けされたサンプルを合成する。 本稿では,alpha$-divergencesに対する定数レートAISアルゴリズムとその効率的な実装を提案する。
  論文  参考訳（メタデータ） (2023-06-27T08:15:28Z)
• Score-based Continuous-time Discrete Diffusion Models [102.65769839899315]
  連続時間マルコフ連鎖を介して逆過程が認知されるマルコフジャンププロセスを導入することにより、拡散モデルを離散変数に拡張する。 条件境界分布の単純なマッチングにより、偏りのない推定器が得られることを示す。 提案手法の有効性を,合成および実世界の音楽と画像のベンチマークで示す。
  論文  参考訳（メタデータ） (2022-11-30T05:33:29Z)
• Multimodal Exponentially Modified Gaussian Oscillators [4.233733499457509]
  本研究では,任意振動項を持つ3段階多モード指数修正ガウスモデルを提案する。 これにより、人工物に苦しむ合成超音波信号を完全に回収することができる。 得られた特徴の分類能力を示すために実データ実験を行った。
  論文  参考訳（メタデータ） (2022-09-25T11:48:09Z)
• Wavelet Score-Based Generative Modeling [4.243926243206826]
  本稿では、ウェーブレットスコアに基づく生成モデル(WSGM)が、全てのスケールで同じ時間ステップでウェーブレット係数を合成することを示す。 これはガウス分布上で数値的に証明され、相転移と自然画像データセットにおける物理過程上で示される。
  論文  参考訳（メタデータ） (2022-08-09T19:13:34Z)
• A Robust and Flexible EM Algorithm for Mixtures of Elliptical Distributions with Missing Data [71.9573352891936]
  本稿では、ノイズや非ガウス的なデータに対するデータ計算の欠如に対処する。 楕円分布と潜在的な欠落データを扱う特性を混合した新しいEMアルゴリズムについて検討した。 合成データの実験的結果は,提案アルゴリズムが外れ値に対して頑健であり,非ガウスデータで使用可能であることを示す。
  論文  参考訳（メタデータ） (2022-01-28T10:01:37Z)
• Moment evolution equations and moment matching for stochastic image EPDiff [68.97335984455059]
  画像変形モデルにより、画像領域を変形させることにより、時間連続的な画像変換の研究が可能になる。 応用例としては、人口傾向とランダムな被写体特定変異の両方を用いた医療画像分析がある。 パラメータフルモデルにおける統計的推測のための推定器を構築するために、対応する伊藤拡散のモーメント近似を用いる。
  論文  参考訳（メタデータ） (2021-10-07T11:08:11Z)
• Stochastic Normalizing Flows [52.92110730286403]
  微分方程式(SDE)を用いた最大推定と変分推論のための正規化フロー(VI)を導入する。 粗い経路の理論を用いて、基礎となるブラウン運動は潜在変数として扱われ、近似され、神経SDEの効率的な訓練を可能にする。 これらのSDEは、与えられたデータセットの基盤となる分布からサンプリングする効率的なチェーンを構築するために使用することができる。
  論文  参考訳（メタデータ） (2020-02-21T20:47:55Z)
• Targeted stochastic gradient Markov chain Monte Carlo for hidden Markov models with rare latent states [48.705095800341944]
  隠れマルコフモデルのためのマルコフ連鎖モンテカルロ (MCMC) アルゴリズムは、しばしば前向きのサンプリング器に依存する。 これにより、時系列の長さが増加するにつれて計算が遅くなり、サブサンプリングベースのアプローチの開発が動機となる。 本稿では,パラメータの勾配を計算する際に,希少な潜伏状態に対応するオーバーサンプリング観測を対象とするサブサンプリング手法を提案する。
  論文  参考訳（メタデータ） (2018-10-31T17:44:20Z)

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。