論文の概要: Novel EEG based Schizophrenia Detection with IoMT Framework for Smart
Healthcare
- arxiv url: http://arxiv.org/abs/2111.11298v1
- Date: Fri, 19 Nov 2021 18:21:20 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-26 10:11:12.686392
- Title: Novel EEG based Schizophrenia Detection with IoMT Framework for Smart
Healthcare
- Title（参考訳）: スマートヘルスケアのためのIoMTフレームワークを用いた新しい脳波統合失調症検出
- Authors: Geetanjali Sharma, Amit M. Joshi
- Abstract要約: 統合失調症(Sz)は、世界中の人々の思考、行動、感情に深刻な影響を及ぼす脳障害である。
EEGは非線形時系列信号であり、その非線形構造のために調査に利用することがかなり重要である。
本稿では,深層学習を用いた脳波を用いたSz検出の性能向上を目的とする。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In the field of neuroscience, Brain activity analysis is always considered as
an important area. Schizophrenia(Sz) is a brain disorder that severely affects
the thinking, behaviour, and feelings of people all around the world.
Electroencephalography (EEG) is proved to be an efficient biomarker in Sz
detection. EEG is a non-linear time-seriesi signal and utilizing it for
investigation is rather crucial due to its non-linear structure. This paper
aims to improve the performance of EEG based Sz detection using a deep learning
approach. A novel hybrid deep learning model known as SzHNN (Schizophrenia
Hybrid Neural Network), a combination of Convolutional Neural Networks (CNN)
and Long Short-Term Memory (LSTM) has been proposed. CNN network is used for
local feature extraction and LSTM has been utilized for classification. The
proposed model has been compared with CNN only, LSTM only, and machine
learning-based models. All the models have been evaluated on two different
datasets wherein Dataset 1 consists of 19 subjects and Dataset 2 consists of 16
subjects. Several experiments have been conducted for the same using various
parametric settings on different frequency bands and using different sets of
electrodes on the scalp. Based on all the experiments, it is evident that the
proposed hybrid model (SzHNN) provides the highest classification accuracy of
99.9% in comparison to other existing models. The proposed model overcomes the
influence of different frequency bands and even showed a much better accuracy
of 91% with only 5 electrodes. The proposed model is also evaluated on the
Internet of Medical Things (IoMT) framework for smart healthcare and remote
monitoring applications.
- Abstract（参考訳）: 神経科学の分野では、脳活動分析は常に重要な領域とみなされている。
統合失調症(Sz)は、世界中の人々の思考、行動、感情に深刻な影響を与える脳障害である。
脳波検査(EEG)はSz検出に有効なバイオマーカーであることが証明された。
EEGは非線形時系列信号であり、その非線形構造のために調査に利用することがかなり重要である。
本稿では,深層学習を用いた脳波を用いたSz検出の性能向上を目的とする。
畳み込みニューラルネットワーク(CNN)とLong Short-Term Memory(LSTM)を組み合わせた,SzHNN(Schizophrenia Hybrid Neural Network)と呼ばれる新しいハイブリッドディープラーニングモデルが提案されている。
CNNネットワークは局所的特徴抽出に使われ、LSTMは分類に使われている。
提案モデルは,CNNのみ,LSTMのみ,機械学習に基づくモデルと比較されている。
すべてのモデルが2つの異なるデータセットで評価され、Dataset 1は19の被験者で構成され、Dataset 2は16の被験者で構成されている。
異なる周波数帯の様々なパラメトリック設定と、頭皮上の異なる電極セットを用いて、同様の実験が行われている。
すべての実験から,提案するハイブリッドモデル (szhnn) が,他の既存モデルと比較して99.9%の精度を持つことが明らかになった。
提案手法は, 周波数帯域の違いによる影響を克服し, 5電極のみを用いて91%の精度を示した。
提案モデルは、スマートヘルスケアおよび遠隔監視アプリケーションのためのInternet of Medical Things (IoMT)フレームワークでも評価されている。
関連論文リスト
- Residual Vision Transformer (ResViT) Based Self-Supervised Learning Model for Brain Tumor Classification [0.08192907805418585]
自己教師付き学習モデルは、限られたデータセット問題に対するデータ効率と注目すべき解決策を提供する。
本稿では2段階の脳腫瘍分類のための生成型SSLモデルを提案する。
提案されたモデルが最も精度が高く、T1シークエンスでBraTsデータセットで90.56%、Figshareで98.53%、Kaggle脳腫瘍データセットで98.47%を達成している。
論文 参考訳（メタデータ） (2024-11-19T21:42:57Z) - Brain Tumor Classification on MRI in Light of Molecular Markers [61.77272414423481]
1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。
本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
論文 参考訳（メタデータ） (2024-09-29T07:04:26Z) - Continuous time recurrent neural networks: overview and application to
forecasting blood glucose in the intensive care unit [56.801856519460465]
連続時間自己回帰リカレントニューラルネットワーク(Continuous Time Autoregressive Recurrent Neural Network, CTRNN)は、不規則な観測を考慮に入れたディープラーニングモデルである。
重篤なケア環境下での血糖値の確率予測へのこれらのモデルの適用を実証する。
論文 参考訳（メタデータ） (2023-04-14T09:39:06Z) - A Light-weight CNN Model for Efficient Parkinson's Disease Diagnostics [1.382077805849933]
提案モデルは,時系列信号の特性を適応させるために,畳み込みニューラルネットワーク(CNN)から短期記憶(LSTM)へと変換される。
実験結果から,提案モデルでは,パラメータや操作がはるかに少ない複数の評価指標に対して,高品質な診断結果が得られることがわかった。
論文 参考訳（メタデータ） (2023-02-02T09:49:07Z) - MP-SeizNet: A Multi-Path CNN Bi-LSTM Network for Seizure-Type
Classification Using EEG [2.1915057426589746]
てんかん患者の治療と管理には, 精垂型鑑別が不可欠である。
本稿では,MP-SeizNetを用いた新しいマルチパス・アセプション型ディープラーニング・ネットワークを提案する。
MP-SeizNetは、畳み込みニューラルネットワーク(CNN)と、注意機構を備えた双方向長短期記憶ニューラルネットワーク(Bi-LSTM)で構成されている。
論文 参考訳（メタデータ） (2022-11-09T01:07:20Z) - Automatic Diagnosis of Schizophrenia using EEG Signals and CNN-LSTM
Models [9.14428455487933]
本研究は脳波信号を用いた統合失調症自動診断のための多種多様な知的ディープラーニング(DL)に基づく手法を提供する。
その結果,従来の知的手法と比較した。
論文 参考訳（メタデータ） (2021-09-02T17:45:50Z) - Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for
Thoracic Disease Identification [83.6017225363714]
ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。
胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。
本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
論文 参考訳（メタデータ） (2021-02-26T02:29:30Z) - 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) - CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors
and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。
SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。
我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文 参考訳（メタデータ） (2020-07-20T21:47:28Z) - Predicting Clinical Diagnosis from Patients Electronic Health Records
Using BERT-based Neural Networks [62.9447303059342]
医療コミュニティにおけるこの問題の重要性を示す。
本稿では,変換器 (BERT) モデルによる2方向表現の分類順序の変更について述べる。
約400万人のユニークな患者訪問からなる、大規模なロシアのEHRデータセットを使用します。
論文 参考訳（メタデータ） (2020-07-15T09:22:55Z) - Epileptic Seizure Classification with Symmetric and Hybrid Bilinear
Models [20.376912072606412]
本稿では, 難治性てんかんの診断に応用したハイブリッドバイリニア深層学習ネットワークを提案する。
診断の精度は、医療症状の重複、様々な経験のレベル、および臨床専門職間の多様性によっても複雑である。
論文 参考訳（メタデータ） (2020-01-15T03:22:10Z)
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。