Fugu-MT 論文翻訳(概要): Epileptic Seizure Risk Assessment by Multi-Channel Imaging of the EEG

論文の概要: Epileptic Seizure Risk Assessment by Multi-Channel Imaging of the EEG

arxiv url: http://arxiv.org/abs/2204.07034v1
Date: Tue, 12 Apr 2022 10:48:00 GMT
ステータス: 処理完了
システム内更新日: 2022-04-16 09:00:13.257836
Title: Epileptic Seizure Risk Assessment by Multi-Channel Imaging of the EEG
Title（参考訳）: 脳波のマルチチャンネルイメージングによるてんかん発作リスク評価
Authors: Tiago Leal, Fabio Lopes, Cesar Teixeira, Antonio Dourado
Abstract要約: 任意の瞬間に発生するてんかん発作の確率は、分類層の出力ではなく、CNNのソフトマックス層出力(可能性)の平均を用いて計算される。その結果, 高い感度, 低いFPR/hの予測が得られた。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Refractory epileptic patients can suffer a seizure at any moment. Seizure prediction would substantially improve their lives. In this work, based on scalp EEG and its transformation into images, the likelihood of an epileptic seizure occurring at any moment is computed using an average of the softmax layer output (the likelihood) of a CNN, instead of the output of the classification layer. Results show that by analyzing the likelihood and thresholding it, prediction has higher sensitivity or a lower FPR/h. The best threshold for the likelihood was higher than 50% for 5 patients, and was lower for the remaining 36. However, more testing is needed, especially in new seizures, to better assess the real performance of this method. This work is a proof of concept with a positive outlook.
Abstract（参考訳）: 難治性てんかん患者はいつでも発作を起こすことがある。静流の予測は彼らの生活を大幅に改善するだろう。本研究では、頭皮脳波とその画像への変換に基づいて、分類層の出力ではなく、CNNのソフトマックス層出力(可能性)の平均を用いて、任意の瞬間に発生するてんかん発作の確率を算出する。その結果、確率としきい値を分析することで、高い感度または低いfpr/hが得られることがわかった。最善の閾値は5例で50%以上であり, 残りの36例では低値であった。しかしながら、この方法の実際の性能を評価するには、特に新しい発作において、さらなるテストが必要である。この研究は、前向きな見通しを持つ概念実証である。

関連論文リスト

Epilepsy Seizure Detection and Prediction using an Approximate Spiking Convolutional Transformer [12.151626573534001]
本稿では, てんかん発作セグメントを検出し, 予測するために, ニューロモルフィック・スパイキング・コンボリューション・トランス (Spking Convolutional Transformer) を提案する。ボストン小児病院-MIT(CHB-MIT)脳波データセットを用いたスパイキング・コンフォーマーモデルによる評価結果について報告する。生の脳波データを入力として使用することにより、提案されたスパイキングコンフォーマーの平均感度は94.9%、特異度は99.3%に達した。
論文参考訳（メタデータ） (2024-01-21T19:23:56Z)
Imaging the time series of one single referenced EEG electrode for Epileptic Seizures Risk Analysis [0.0]
単一の頭皮電極によって捕獲された時系列は、発作の感受性を予測するために使用される。 CNNのソフトマックス層の出力を平均化することにより、将来の予め定義された時間窓における発作の発生確率を算出する。以上の結果から,いくつかの発作や患者に対して,この手法が良好な結果を予測できることが示唆された。
論文参考訳（メタデータ） (2022-06-29T10:31:36Z)
Automated SSIM Regression for Detection and Quantification of Motion Artefacts in Brain MR Images [54.739076152240024]
磁気共鳴脳画像における運動アーチファクトは重要な問題である。 MR画像の画質評価は,臨床診断に先立って基本的である。構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
論文参考訳（メタデータ） (2022-06-14T10:16:54Z)
Robust and Agnostic Learning of Conditional Distributional Treatment Effects [62.44901952244514]
条件平均治療効果(CATE)は、個々の因果効果の最適点予測である。集約分析では、通常は分布処理効果(DTE)の測定によって対処される。我々は,多種多様な問題に対して条件付きDTE(CDTE)を学習するための,新しい堅牢でモデルに依存しない手法を提供する。
論文参考訳（メタデータ） (2022-05-23T17:40:31Z)
Wavelet-Based Multi-Class Seizure Type Classification System [2.1915057426589746]
本稿では,Dual-tree Complex Wavelet Transform (DTCWT) を用いて脳波信号から特定の特徴を抽出し,それらを分類する手法を提案する。 F1スコアの重み付けを99.1%, 74.7%とした。
論文参考訳（メタデータ） (2022-02-19T23:58:01Z)
Neural Network Based Epileptic EEG Detection and Classification [0.0]
脳波信号の真の性質をテキスト1次元ベクトルとして保存するモデルが提案されている。提案モデルは,平均感度81%,特異度81.4%であるボン大学データセットに対して,それぞれ芸術性能の状態を達成している。
論文参考訳（メタデータ） (2021-11-05T05:25:40Z)
SOUL: An Energy-Efficient Unsupervised Online Learning Seizure Detection Classifier [68.8204255655161]
神経活動を記録して発作を検出するインプラントデバイスは、発作を抑えるために警告を発したり神経刺激を誘発したりするために採用されている。移植可能な発作検出システムでは、低出力で最先端のオンライン学習アルゴリズムを使用して、神経信号のドリフトに動的に適応することができる。 SOULはTSMCの28nmプロセスで0.1mm2を占め、1.5nJ/分級エネルギー効率を実現した。
論文参考訳（メタデータ） (2021-10-01T23:01:20Z)
An End-to-End Deep Learning Approach for Epileptic Seizure Prediction [4.094649684498489]
畳み込みニューラルネットワーク(CNN)を用いたエンドツーエンドディープラーニングソリューションを提案する。総合感度、誤予測率、受信機動作特性曲線下の面積は、それぞれ2つのデータセットで93.5%、0.063/h、0.981、98.8%、0.074/h、0.988に達する。
論文参考訳（メタデータ） (2021-08-17T05:49:43Z)
Increasing the efficiency of randomized trial estimates via linear adjustment for a prognostic score [59.75318183140857]
ランダム化実験による因果効果の推定は臨床研究の中心である。歴史的借用法のほとんどは、厳格なタイプiエラー率制御を犠牲にして分散の削減を達成する。
論文参考訳（メタデータ） (2020-12-17T21:10:10Z)
Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
論文参考訳（メタデータ） (2020-05-06T09:02:30Z)
Simultaneous Skull Conductivity and Focal Source Imaging from EEG Recordings with the help of Bayesian Uncertainty Modelling [77.34726150561087]
本研究では,未知の頭蓋骨伝導率によるソース画像誤差を補正するベイズ近似誤差法に基づく統計的手法を提案する。その結果, 震源位置推定精度と頭蓋骨伝導率の推定精度が向上していることが示唆された。
論文参考訳（メタデータ） (2020-01-31T21:33:56Z)

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。