論文の概要: Selection of entropy based features for the analysis of the Archimedes' spiral applied to essential tremor

• arxiv url: http://arxiv.org/abs/2203.10094v1
• Date: Fri, 18 Mar 2022 11:36:47 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-22 19:28:48.590310
• Title: Selection of entropy based features for the analysis of the Archimedes' spiral applied to essential tremor
• Title（参考訳）: 固有震動に適用したアルキメデススパイラル解析のためのエントロピーに基づく特徴の選択
• Authors: Karmele L\'opez-De-Ipi\~na, Alberto Bergareche, Patricia De La Riva, Jordi Sole-Casals, Marcos Faundez-Zanuy, Jose Felix Marti-Masso, Mikel Iturrate, Blanca Beitia, Pilar Calvo, Enric Sesa-Nogueras, Josep Roure, Itziar Gurrutxaga and Joseba Garcia-Melero
• Abstract要約: エントロピーは システムの障害に関する 有用な指標になります この研究は、BioDonostia Health Instituteにおける本態性震動の診断のための広範囲にわたる横断的研究の一環である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Biomedical systems are regulated by interacting mechanisms that operate across multiple spatial and temporal scales and produce biosignals with linear and non-linear information inside. In this sense entropy could provide a useful measure about disorder in the system, lack of information in time-series and/or irregularity of the signals. Essential tremor (ET) is the most common movement disorder, being 20 times more common than Parkinson's disease, and 50-70% of this disease cases are estimated to be genetic in origin. Archimedes spiral drawing is one of the most used standard tests for clinical diagnosis. This work, on selection of nonlinear biomarkers from drawings and handwriting, is part of a wide-ranging cross study for the diagnosis of essential tremor in BioDonostia Health Institute. Several entropy algorithms are used to generate nonlinear feayures. The automatic analysis system consists of several Machine Learning paradigms.
• Abstract（参考訳）: 生体医学システムは、複数の空間的および時間的スケールにわたって作用し、内部に線形および非線形情報を持つ生体信号を生成する相互作用機構によって制御される。 この意味では、エントロピーはシステムの障害、時系列の情報の欠如、信号の不規則性に関する有用な指標となるかもしれない。 本態性震動(ET)は最も一般的な運動障害であり、パーキンソン病の20倍の頻度であり、これらの疾患の50-70%は発病源と推定されている。 アルキメデス・スパイラル・ドローイングは、臨床診断に最も使用される標準検査の一つである。 本研究は, 図面や筆跡から非線形バイオマーカーを選択することを目的として, バイオドノシア健康研究所における本態性振戦の診断のための広範囲にわたる横断研究の一環である。 いくつかのエントロピーアルゴリズムは非線形フェールを生成するために用いられる。 自動分析システムは、いくつかの機械学習パラダイムで構成されている。

関連論文リスト

• Parameter inference from a non-stationary unknown process [0.0]
  非定常系は、二酸化炭素濃度の変化による気候パターンから、上昇する神経調節によって引き起こされる脳のダイナミクスまで、世界中で見られる。 非定常過程を解析する手法が必要であるが、実際に使用されるほとんどの時系列解析手法は、定常性の仮定を単純化する。 非定常系の解析における重要な問題は、私たちが参照する問題クラスである。 非定常未知プロセス(PINUP)からの推論 観測時系列が与えられた場合、時系列の非定常性を推進するパラメータを推測する。
  論文  参考訳（メタデータ） (2024-07-12T04:44:29Z)
• Let's do the time-warp-attend: Learning topological invariants of dynamical systems [3.9735602856280132]
  本稿では、動的状態の分類と分岐境界の特徴付けのための、データ駆動型、物理的にインフォームドされたディープラーニングフレームワークを提案する。 超臨界ホップ分岐のパラダイム的ケースに着目し、様々な応用の周期的ダイナミクスをモデル化する。 本手法は, 広範囲な力学系の定性的・長期的挙動に関する貴重な知見を提供し, 大規模物理・生物系における分岐や破滅的な遷移を検出する。
  論文  参考訳（メタデータ） (2023-12-14T18:57:16Z)
• Neuronal architecture extracts statistical temporal patterns [1.9662978733004601]
  情報表現や処理に高次時間的(コ-)ゆらぎをいかに利用できるかを示す。 単純な生物学的にインスパイアされたフィードフォワードニューロンモデルでは、時系列分類を行うために3階までの累積から情報を抽出することができる。
  論文  参考訳（メタデータ） (2023-01-24T18:21:33Z)
• Identifiability and Asymptotics in Learning Homogeneous Linear ODE Systems from Discrete Observations [114.17826109037048]
  通常の微分方程式(ODE)は、機械学習において最近多くの注目を集めている。 理論的な側面、例えば、統計的推定の識別可能性と特性は、いまだに不明である。 本稿では,1つの軌道からサンプリングされた等間隔の誤差のない観測結果から,同次線形ODE系の同定可能性について十分な条件を導出する。
  論文  参考訳（メタデータ） (2022-10-12T06:46:38Z)
• Causality-Based Multivariate Time Series Anomaly Detection [63.799474860969156]
  我々は、因果的観点から異常検出問題を定式化し、多変量データを生成するための通常の因果的メカニズムに従わない事例として、異常を考察する。 次に、まずデータから因果構造を学習し、次に、あるインスタンスが局所因果機構に対して異常であるかどうかを推定する因果検出手法を提案する。 我々は、実世界のAIOpsアプリケーションに関するケーススタディと同様に、シミュレートされたデータセットとパブリックなデータセットの両方を用いて、私たちのアプローチを評価します。
  論文  参考訳（メタデータ） (2022-06-30T06:00:13Z)
• Generalizing electrocardiogram delineation: training convolutional neural networks with synthetic data augmentation [63.51064808536065]
  ECGのデライン化のための既存のデータベースは小さく、サイズやそれらが表す病態の配列に不足している。 まず、原データベースから抽出した基本セグメントのプールを与えられたECGトレースを確率的に合成し、その整合性のある合成トレースに配置するための一連のルールを考案した。 第二に、2つの新しいセグメンテーションに基づく損失関数が開発され、これは、正確な数の独立構造の予測を強制し、サンプル数の削減に焦点をあてて、より密接なセグメンテーション境界を創出することを目的としている。
  論文  参考訳（メタデータ） (2021-11-25T10:11:41Z)
• Deep Metric Learning with Locality Sensitive Angular Loss for Self-Correcting Source Separation of Neural Spiking Signals [77.34726150561087]
  本稿では, 深層学習に基づく手法を提案し, 自動掃除とロバスト分離フィルタの必要性に対処する。 本手法は, ソース分離した高密度表面筋電図記録に基づいて, 人工的に劣化したラベルセットを用いて検証する。 このアプローチにより、ニューラルネットワークは、信号のラベル付けの不完全な方法を使用して、神経生理学的時系列を正確に復号することができる。
  論文  参考訳（メタデータ） (2021-10-13T21:51:56Z)
• Integrating Expert ODEs into Neural ODEs: Pharmacology and Disease Progression [71.7560927415706]
  潜在ハイブリッドモデル(LHM)は、専門家が設計したODEのシステムと機械学習したNeural ODEを統合し、システムのダイナミクスを完全に記述する。 新型コロナウイルス患者のLHMと実世界の集中治療データについて検討した。
  論文  参考訳（メタデータ） (2021-06-05T11:42:45Z)
• Consistency of mechanistic causal discovery in continuous-time using Neural ODEs [85.7910042199734]
  ダイナミカルシステムの研究において,連続時間における因果的発見を検討する。 本稿では,ニューラルネットワークを用いた因果探索アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-05-06T08:48:02Z)
• A Review of Hidden Markov Models and Recurrent Neural Networks for Event Detection and Localization in Biomedical Signals [5.5744544708068045]
  疾患や障害に関連する異常は通常、リズムの構造の混乱として現れる。 このリズムはどのように孤立しているか? プロセス間の遷移を時間内に記述できるモデルを開発するには? ここでは、時系列におけるリズムやイベントの検出と分離に使用される最も効果的な手法をデミステレーションする。
  論文  参考訳（メタデータ） (2020-12-11T03:49:48Z)

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。