論文の概要: Objective hearing threshold identification from auditory brainstem
response measurements using supervised and self-supervised approaches
- arxiv url: http://arxiv.org/abs/2112.08961v1
- Date: Thu, 16 Dec 2021 15:24:31 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-17 16:55:05.944308
- Title: Objective hearing threshold identification from auditory brainstem
response measurements using supervised and self-supervised approaches
- Title（参考訳）: 教師付きおよび自己教師付きアプローチによる聴性脳幹反応測定による客観的聴覚閾値の同定
- Authors: Dominik Thalmeier, Gregor Miller, Elida Schneltzer, Anja Hurt, Martin
Hrab\v{e} de Angelis, Lore Becker, Christian L. M\"uller, Holger Maier
- Abstract要約: 平均ABR生データから聴力閾値の自動同定を行う2つの手法を開発し比較する。
両モデルが正常に動作し、人間の閾値検出より優れ、高速で信頼性が高く、偏りのない聴力閾値検出と品質制御に適していることを示す。
- 参考スコア（独自算出の注目度）: 1.0627340704073347
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Hearing loss is a major health problem and psychological burden in humans.
Mouse models offer a possibility to elucidate genes involved in the underlying
developmental and pathophysiological mechanisms of hearing impairment. To this
end, large-scale mouse phenotyping programs include auditory phenotyping of
single-gene knockout mouse lines. Using the auditory brainstem response (ABR)
procedure, the German Mouse Clinic and similar facilities worldwide have
produced large, uniform data sets of averaged ABR raw data of mutant and
wildtype mice. In the course of standard ABR analysis, hearing thresholds are
assessed visually by trained staff from series of signal curves of increasing
sound pressure level. This is time-consuming and prone to be biased by the
reader as well as the graphical display quality and scale. In an attempt to
reduce workload and improve quality and reproducibility, we developed and
compared two methods for automated hearing threshold identification from
averaged ABR raw data: a supervised approach involving two combined neural
networks trained on human-generated labels and a self-supervised approach,
which exploits the signal power spectrum and combines random forest sound level
estimation with a piece-wise curve fitting algorithm for threshold finding. We
show that both models work well, outperform human threshold detection, and are
suitable for fast, reliable, and unbiased hearing threshold detection and
quality control. In a high-throughput mouse phenotyping environment, both
methods perform well as part of an automated end-to-end screening pipeline to
detect candidate genes for hearing involvement. Code for both models as well as
data used for this work are freely available.
- Abstract（参考訳）: 聴覚障害は、人間の大きな健康問題と心理的負担である。
マウスモデルでは、聴覚障害の根底にある発達と病態のメカニズムに関わる遺伝子を解明することができる。
この目的のために、大規模マウス表現型プログラムは、単一遺伝子ノックアウトマウス系統の聴覚表現型化を含む。
聴覚脳幹反応 (ABR) 法を用いて、ジャーマンマウスクリニックおよび同様の施設は、ミュータントおよび野生型マウスの平均的なABR生データを均一に収集した。
標準abr分析の過程では、音圧レベルが増加する一連の信号曲線から訓練スタッフによって聴覚閾値が視覚的に評価される。
これは時間がかかり、読み手やグラフィカルなディスプレイの品質やスケールに偏っている傾向があります。
作業量を削減し、品質と再現性を向上させるために、平均的なABR生データから2つの自動聴力閾値同定法を開発した。これは、人為的なラベルに基づいて訓練された2つの組み合わせニューラルネットワークと、信号パワースペクトルを利用してランダムな森林音レベル推定と、しきい値探索のための片方向曲線適合アルゴリズムを組み合わせた自己教師付きアプローチである。
両モデルが正常に動作し、人間の閾値検出より優れ、高速で信頼性が高く、偏りのない聴力閾値検出と品質制御に適していることを示す。
高スループットマウスの表現型化環境では、どちらの方法も自動エンドツーエンドスクリーニングパイプラインの一部として機能し、聴覚への関与の候補遺伝子を検出する。
両方のモデル用のコードと、この作業に使用されるデータも無料で利用できる。
関連論文リスト
- All Thresholds Barred: Direct Estimation of Call Density in Bioacoustic
Data [1.7916003204531015]
本研究では,データ単位の呼び出し密度を推定するための検証手法を提案する。
我々はこれらの分布を用いて、分布シフトの対象となるサイトレベルの密度を予測する。
論文 参考訳（メタデータ） (2024-02-23T14:52:44Z) - Attention-Based Recurrent Neural Network For Automatic Behavior Laying
Hen Recognition [0.0]
本研究は,その行動特性のロバストなシステムを提案するために,産卵鶏の鳴き声の種類を認識することに焦点を当てる。
次に,時間領域と周波数領域の特徴を組み合わせた最適音響特性を設計した。
次に、これらの特徴を用いて、繰り返しニューラルネットワークに基づくマルチラベル分類モデルを構築し、その振る舞いを特徴付ける発声に意味クラスを割り当てた。
論文 参考訳（メタデータ） (2024-01-18T10:52:46Z) - Multi-Transfer Learning Techniques for Detecting Auditory Brainstem
Response [4.023511716339818]
聴覚性脳幹反応(ABR)検査の不正確な評価は、聴覚神経系の完全性に関する誤った判断につながる可能性がある。
本研究では, 伝達学習(TL)を用いた深層学習モデルを提案し, ABRテストから特徴を抽出し, サポートベクタマシン(SVM)を用いた聴力損失の診断を行った。
提案手法の精度,精度,リコール,幾何平均(GM),標準偏差(SD),標準偏差(SD)の6つの測定値を用いて,提案モデルの有効性を測定した。
論文 参考訳（メタデータ） (2023-08-29T10:40:12Z) - Leveraging Pretrained Representations with Task-related Keywords for
Alzheimer's Disease Detection [69.53626024091076]
アルツハイマー病(AD)は高齢者に特に顕著である。
事前学習モデルの最近の進歩は、AD検出モデリングを低レベル特徴から高レベル表現にシフトさせる動機付けとなっている。
本稿では,高レベルの音響・言語的特徴から,より優れたAD関連手がかりを抽出する,いくつかの効率的な手法を提案する。
論文 参考訳（メタデータ） (2023-03-14T16:03:28Z) - Utilizing synthetic training data for the supervised classification of
rat ultrasonic vocalizations [0.0]
ミューリンは120kHzの周波数で超音波発声(USV)を発生させる。
これらの呼び出しは社会的行動において重要であるため、その分析は声道コミュニケーションの機能とその機能に関する洞察を与えることができる。
我々は、ラットのUSVを含むオーディオにおいて、訓練された人間の2つの畳み込みニューラルネットワーク(CNN)、DeepSqueak、VocalMatの検出と分類性能を比較した。
論文 参考訳（メタデータ） (2023-03-03T03:17:45Z) - Decision Forest Based EMG Signal Classification with Low Volume Dataset
Augmented with Random Variance Gaussian Noise [51.76329821186873]
我々は6種類の手振りを限定的なサンプル数で分類できるモデルを作成し、より広い聴衆によく一般化する。
信号のランダムなバウンドの使用など、より基本的な手法のセットにアピールするが、これらの手法がオンライン環境で持てる力を示したいと考えている。
論文 参考訳（メタデータ） (2022-06-29T23:22:18Z) - Self-supervised models of audio effectively explain human cortical
responses to speech [71.57870452667369]
我々は、自己教師型音声表現学習の進歩に乗じて、人間の聴覚システムの最先端モデルを作成する。
これらの結果から,ヒト大脳皮質における音声処理の異なる段階に関連する情報の階層構造を,自己教師型モデルで効果的に把握できることが示唆された。
論文 参考訳（メタデータ） (2022-05-27T22:04:02Z) - Discriminative Singular Spectrum Classifier with Applications on
Bioacoustic Signal Recognition [67.4171845020675]
分析や分類に有用な特徴を効率的に抽出する識別機構を備えた生体音響信号分類器を提案する。
タスク指向の現在のバイオ音響認識法とは異なり、提案モデルは入力信号をベクトル部分空間に変換することに依存する。
提案法の有効性は,アヌラン,ミツバチ,蚊の3種の生物音響データを用いて検証した。
論文 参考訳（メタデータ） (2021-03-18T11:01:21Z) - Improving Medical Image Classification with Label Noise Using
Dual-uncertainty Estimation [72.0276067144762]
医用画像における2種類のラベルノイズについて論じ,定義する。
医用画像分類作業中にこれら2つのラベルノイズを処理する不確実性推定に基づくフレームワークを提案する。
論文 参考訳（メタデータ） (2021-02-28T14:56:45Z) - Decoding Methods for Neural Narrative Generation [74.37264021226308]
ナラティブ生成(英: Narrative generation)とは、モデルがプロンプトを与えられたストーリーを生成するオープンエンドのNLPタスクである。
ニューラル・ナラティブ・ジェネレーションに対するニューラル・レスポンス・ジェネレーションのためのデコード手法の適用と評価を行った。
論文 参考訳（メタデータ） (2020-10-14T19:32:56Z) - Exploration of Audio Quality Assessment and Anomaly Localisation Using
Attention Models [37.60722440434528]
本稿では,双方向長期記憶とアテンション機構を併用し,音質評価のための新しいモデルを提案する。
前者は、録音から情報を学ぶ人間の聴覚知覚能力を模倣することであり、後者は、対象の特徴を強調することによって、所望の信号から干渉を更に識別することである。
提案手法を評価するため,様々な自然音を混合してTIMITデータセットを用いて拡張する。
論文 参考訳（メタデータ） (2020-05-16T17:54:07Z)
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。