論文の概要: Automated Parkinson's Disease Detection and Affective Analysis from Emotional EEG Signals

• arxiv url: http://arxiv.org/abs/2202.12936v1
• Date: Mon, 21 Feb 2022 00:34:34 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-06 12:31:22.216248
• Title: Automated Parkinson's Disease Detection and Affective Analysis from Emotional EEG Signals
• Title（参考訳）: パーキンソン病の自動検出と感情脳波信号からの感情分析
• Authors: Ravikiran Parameshwara, Soujanya Narayana, Murugappan Murugappan, Ramanathan Subramanian, Ibrahim Radwan, Roland Goecke
• Abstract要約: 本研究は、感情脳波(EEG)信号のPDと健康管理(HC)の感情的差異を理解するための有用性について検討する。 従来の機械学習と深層学習を用いて、(a)次元的・カテゴリー的感情認識と(b)感情脳波信号からのPDとHCの分類を探索する。
• 参考スコア（独自算出の注目度）: 4.23779873473242
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: While Parkinson's disease (PD) is typically characterized by motor disorder, there is evidence of diminished emotion perception in PD patients. This study examines the utility of affective Electroencephalography (EEG) signals to understand emotional differences between PD vs Healthy Controls (HC), and for automated PD detection. Employing traditional machine learning and deep learning methods, we explore (a) dimensional and categorical emotion recognition, and (b) PD vs HC classification from emotional EEG signals. Our results reveal that PD patients comprehend arousal better than valence, and amongst emotion categories, \textit{fear}, \textit{disgust} and \textit{surprise} less accurately, and \textit{sadness} most accurately. Mislabeling analyses confirm confounds among opposite-valence emotions with PD data. Emotional EEG responses also achieve near-perfect PD vs HC recognition. {Cumulatively, our study demonstrates that (a) examining \textit{implicit} responses alone enables (i) discovery of valence-related impairments in PD patients, and (ii) differentiation of PD from HC, and (b) emotional EEG analysis is an ecologically-valid, effective, facile and sustainable tool for PD diagnosis vis-\'a-vis self reports, expert assessments and resting-state analysis.}
• Abstract（参考訳）: パーキンソン病(PD)は典型的には運動障害を特徴とするが、PD患者の感情知覚が低下する証拠がある。 本研究は,心電図(eeg)信号がpdと健康管理(hc)の感情的差異を理解し,pdの自動検出に有用であることを示す。 従来の機械学習とディープラーニングの手法を用いて a)次元的・分類的感情認識,及び b)感情脳波信号からのPD vs HC分類 以上の結果から, PD患者は有病率よりも覚醒度をよく理解しており, 感情カテゴリーでは, より正確で, 感情カテゴリーでは textit{fear}, \textit{disgust}, \textit{surprise}, \textit{sadness} がより正確であった。 誤記分析によりpdデータと対価感情の一致が確認された。 情動脳波応答は、ほぼ完全なPD対HC認識を達成する。 累積的に、我々の研究は、 (a) \textit{implicit} 応答のみを調べることで 一 PD患者における有病率関連障害の発見、及び (ii)hcからのpdの分化、及び b) 感情脳波分析は, PD診断, 専門家評価, 安静状態分析のための生態学的, 有効, 脆弱, 持続的ツールである。 }

関連論文リスト

• Smile upon the Face but Sadness in the Eyes: Emotion Recognition based on Facial Expressions and Eye Behaviors [63.194053817609024]
  視覚行動は、視覚行動支援型マルチモーダル感情認識データセットを作成するための重要な感情的手がかりとなる。 EMERデータセットに感情認識(ER)と表情認識(FER)の両方のアノテーションを初めて提供する。 具体的には、ERとFERの両方のパフォーマンスを同時に向上する新しいEMERTアーキテクチャを設計する。
  論文  参考訳（メタデータ） (2024-11-08T04:53:55Z)
• Empowering Psychotherapy with Large Language Models: Cognitive Distortion Detection through Diagnosis of Thought Prompting [82.64015366154884]
  本研究では,認知的歪み検出の課題について検討し,思考の早期発見(DoT)を提案する。 DoTは、事実と思考を分離するための主観的評価、思考と矛盾する推論プロセスを引き出すための対照的な推論、認知スキーマを要約するスキーマ分析という3つの段階を通して、患者のスピーチの診断を行う。 実験により、DoTは認知的歪み検出のためのChatGPTよりも大幅に改善され、一方で人間の専門家が承認した高品質な合理性を生成することが示された。
  論文  参考訳（メタデータ） (2023-10-11T02:47:21Z)
• Parkinsons Disease Detection via Resting-State Electroencephalography Using Signal Processing and Machine Learning Techniques [0.0]
  パーキンソン病(英: Parkinsons Disease、PD)は、ドーパミン作動性ニューロンの変性により運動障害を引き起こす神経変性疾患である。 脳波はPD患者の異常を示す。 1つの大きな課題は、治療薬や治療薬で病気を綿密に監視するために、PDのための一貫性のある、正確で、体系的なバイオマーカーが欠如していることである。
  論文  参考訳（メタデータ） (2023-03-29T06:03:05Z)
• Power Spectral Density-Based Resting-State EEG Classification of First-Episode Psychosis [1.3416169841532526]
  脳の異常活動パターンの同定における刺激非依存型脳波の有用性を示す。 複数の周波数帯域を組み込んだ一般化モデルでは、脳波バイオマーカーとFEP(First-Episode Psychosis)を関連付けるのがより効率的である。 本稿では,PSD解析における前処理手法の総合的な考察と,異なるモデルの詳細な比較について述べる。
  論文  参考訳（メタデータ） (2022-11-23T00:28:41Z)
• fMRI from EEG is only Deep Learning away: the use of interpretable DL to unravel EEG-fMRI relationships [68.8204255655161]
  多チャンネル脳波データからいくつかの皮質下領域の活性を回復するための解釈可能な領域基底解を提案する。 我々は,皮質下核の血行動態信号の頭皮脳波予測の空間的・時間的パターンを復元する。
  論文  参考訳（メタデータ） (2022-10-23T15:11:37Z)
• Depression Recognition using Remote Photoplethysmography from Facial Videos [0.3867363075280544]
  うつ病は個人の健康に有害な精神疾患である。 本研究は、異なるうつ状態が血液量脈(BVP)と心拍変動(HRV)に顕著な影響を及ぼすかどうかを観察するために生理的信号を分析する。 視覚情報に基づいて顔映像から直接抽出する新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-06-09T10:23:49Z)
• Non-contact Pain Recognition from Video Sequences with Remote Physiological Measurements Prediction [53.03469655641418]
  痛み認識のための非接触方式で外観変化と生理的手がかりの両方を符号化する新しいマルチタスク学習フレームワークを提案する。 我々は、一般に利用可能な痛みデータベース上で、非接触痛認識の最先端性能を確立する。
  論文  参考訳（メタデータ） (2021-05-18T20:47:45Z)
• Emotion pattern detection on facial videos using functional statistics [62.997667081978825]
  顔面筋運動の有意なパターンを抽出する機能的ANOVAに基づく手法を提案する。 感情群間の表現に時間的差があるかどうかを関数fテストを用いて判定する。
  論文  参考訳（メタデータ） (2021-03-01T08:31:08Z)
• Exploring Facial Expressions and Affective Domains for Parkinson Detection [17.244432348845034]
  パーキンソン病(英: Parkinson's Disease、PD)は、顔面運動と非言語コミュニケーションに影響を与える神経疾患である。 本研究では,感情領域に基づく顔画像からの表情解析を用いて,PD検出の改善を提案する。
  論文  参考訳（メタデータ） (2020-12-11T18:48:53Z)
• 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)
• Automated machine vision enabled detection of movement disorders from hand drawn spirals [0.0]
  本研究は、スキャンされたペンと紙の描画と畳み込みニューラルネットワーク(CNN)を用いて、パーキンソン病(PD)と本態性震動(ET)の分類を行う。 PDのコントロールによる識別精度は98.2%であった。 ETおよびコントロールからのPDの判別精度は92%であった。
  論文  参考訳（メタデータ） (2020-06-22T10:21:51Z)

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。