Fugu-MT 論文翻訳(概要): Hyperdimensional computing encoding for feature selection on the use case of epileptic seizure detection

論文の概要: Hyperdimensional computing encoding for feature selection on the use case of epileptic seizure detection

arxiv url: http://arxiv.org/abs/2205.07654v1
Date: Mon, 16 May 2022 13:18:37 GMT
ステータス: 処理完了
システム内更新日: 2022-05-17 19:39:17.487756
Title: Hyperdimensional computing encoding for feature selection on the use case of epileptic seizure detection
Title（参考訳）: てんかん発作検出における特徴選択のための超次元計算符号化
Authors: Una Pale, Tomas Teijeiro, David Atienza
Abstract要約: 適切なエンコーディングを選択することで,HDコンピューティングを用いて特徴選択を行う方法を示す。これは、文献におけるHDコンピューティングを用いた機能選択を行うための最初のアプローチである。
参考スコア（独自算出の注目度）: 4.538319875483978
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The healthcare landscape is moving from the reactive interventions focused on symptoms treatment to a more proactive prevention, from one-size-fits-all to personalized medicine, and from centralized to distributed paradigms. Wearable IoT devices and novel algorithms for continuous monitoring are essential components of this transition. Hyperdimensional (HD) computing is an emerging ML paradigm inspired by neuroscience research with various aspects interesting for IoT devices and biomedical applications. Here we explore the not yet addressed topic of optimal encoding of spatio-temporal data, such as electroencephalogram (EEG) signals, and all information it entails to the HD vectors. Further, we demonstrate how the HD computing framework can be used to perform feature selection by choosing an adequate encoding. To the best of our knowledge, this is the first approach to performing feature selection using HD computing in the literature. As a result, we believe it can support the ML community to further foster the research in multiple directions related to feature and channel selection, as well as model interpretability.
Abstract（参考訳）: 医療の展望は、症状治療に焦点を当てた反応的な介入から、より積極的な予防、オールワンサイズからパーソナライズされた医療、集中的なパラダイムから分散パラダイムへと移行しています。ウェアラブルIoTデバイスと継続的監視のための新しいアルゴリズムがこの移行の重要なコンポーネントである。超次元(HD)コンピューティングは、IoTデバイスやバイオメディカルアプリケーションに興味深いさまざまな側面を持つ神経科学研究にインスパイアされた、新たなMLパラダイムである。ここでは、脳波(EEG)信号やHDベクトルに関連する全ての情報など、時空間データの最適符号化のトピックについて検討する。さらに,適切な符号化を選択することで,HDコンピューティングフレームワークを用いて特徴選択を行う方法を示す。我々の知る限りでは、文献におけるHDコンピューティングを用いた機能選択を行うための最初のアプローチである。その結果、MLコミュニティが機能選択やチャネル選択に関連する複数の方向の研究をさらに促進し、モデル解釈可能性を高めることができると信じている。

関連論文リスト

End-to-end Stroke imaging analysis, using reservoir computing-based effective connectivity, and interpretable Artificial intelligence [42.52549987351643]
本稿では,貯水池計算に基づく有向グラフ解析パイプラインを提案する。このパイプラインの目標は、ストロークデータにおける接続性のための効率的な脳表現を定義することである。この表現は、有向グラフ畳み込みアーキテクチャ内で使われ、説明可能な人工知能(AI)ツールで調査される。
論文参考訳（メタデータ） (2024-07-17T13:34:05Z)
Understanding Auditory Evoked Brain Signal via Physics-informed Embedding Network with Multi-Task Transformer [3.261870217889503]
マルチタスク変換器(PEMT-Net)を用いた物理インフォームド・エンベディング・ネットワークという,革新的なマルチタスク学習モデルを提案する。 PEMT-Netは物理インフォームド埋め込みとディープラーニング技術によりデコード性能を向上させる。特定のデータセットに対する実験は、PEMT-Netがマルチタスクの聴覚信号復号における顕著な性能を示した。
論文参考訳（メタデータ） (2024-06-04T06:53:32Z)
Generative AI-Driven Human Digital Twin in IoT-Healthcare: A Comprehensive Survey [53.691704671844406]
IoT(Internet of Things)は、特にヘルスケアにおいて、人間の生活の質を大幅に向上させる。ヒトデジタルツイン(HDT)は、個体の複製を包括的に特徴付ける革新的なパラダイムとして提案されている。 HDTは、多用途で生き生きとした人間のデジタルテストベッドとして機能することで、医療監視の応用を超えて、IoTヘルスの強化を図っている。最近、生成人工知能(GAI)は、高度なAIアルゴリズムを利用して、多種多様なデータを自動的に生成、操作、修正できるため、有望なソリューションである可能性がある。
論文参考訳（メタデータ） (2024-01-22T03:17:41Z)
Optimized Machine Learning for CHD Detection using 3D CNN-based Segmentation, Transfer Learning and Adagrad Optimization [0.0]
冠動脈疾患(Corronary Heart Disease,CHD)は、死因の一つ。本稿では,機械学習と画像処理を組み合わせることで,CHDの存在を予測する新しいフレームワークを提案する。
論文参考訳（メタデータ） (2023-04-30T06:55:20Z)
A Convolutional Spiking Network for Gesture Recognition in Brain-Computer Interfaces [0.8122270502556371]
脳信号に基づく手振り分類の例題問題に対して,簡単な機械学習に基づくアプローチを提案する。本手法は脳波データとECoGデータの両方で異なる対象に一般化し,92.74-97.07%の範囲で精度が向上することを示した。
論文参考訳（メタデータ） (2023-04-21T16:23:40Z)
Robotic Navigation Autonomy for Subretinal Injection via Intelligent Real-Time Virtual iOCT Volume Slicing [88.99939660183881]
網膜下注射のための自律型ロボットナビゲーションの枠組みを提案する。提案手法は,機器のポーズ推定方法,ロボットとi OCTシステム間のオンライン登録,およびインジェクションターゲットへのナビゲーションに適した軌道計画から構成される。ブタ前眼の精度と再現性について実験を行った。
論文参考訳（メタデータ） (2023-01-17T21:41:21Z)
Focused Decoding Enables 3D Anatomical Detection by Transformers [64.36530874341666]
集束デコーダと呼ばれる3次元解剖学的構造検出のための新しい検出変換器を提案する。 Focused Decoderは、解剖学的領域のアトラスからの情報を活用して、クエリアンカーを同時にデプロイし、クロスアテンションの視野を制限する。提案手法を利用可能な2つのCTデータセットに対して評価し、フォーカスドデコーダが強力な検出結果を提供するだけでなく、大量の注釈付きデータの必要性を軽減し、注意重みによる結果の例外的で直感的な説明性を示すことを示した。
論文参考訳（メタデータ） (2022-07-21T22:17:21Z)
Leveraging Human Selective Attention for Medical Image Analysis with Limited Training Data [72.1187887376849]
選択的な注意機構は、注意散らしの存在を無視することで、認知システムがタスク関連視覚的手がかりに焦点を合わせるのに役立つ。本稿では,医療画像解析タスクにおいて,小さなトレーニングデータを用いたガベージを利用したフレームワークを提案する。本手法は腫瘍の3次元分割と2次元胸部X線分類において優れた性能を示す。
論文参考訳（メタデータ） (2021-12-02T07:55:25Z)
EEGminer: Discovering Interpretable Features of Brain Activity with Learnable Filters [72.19032452642728]
本稿では,学習可能なフィルタと事前決定された特徴抽出モジュールからなる新しい識別可能なEEGデコーディングパイプラインを提案する。我々は,SEEDデータセットおよび前例のない大きさの新たな脳波データセット上で,脳波信号からの感情認識に向けたモデルの有用性を実証する。発見された特徴は、以前の神経科学の研究と一致し、音楽聴取中の左右の時間領域間の機能的接続プロファイルの顕著な相違など、新たな洞察を提供する。
論文参考訳（メタデータ） (2021-10-19T14:22:04Z)
An adaptive cognitive sensor node for ECG monitoring in the Internet of Medical Things [0.7646713951724011]
インターネット・オブ・メディカル・モノズ(IoMT)パラダイムは、複数の臨床試験や医療処置で主流になりつつある。本研究では,資源制約型コンピューティングプラットフォームにおける認知データ解析アルゴリズムの実装について検討する。コンボリューションニューラルネットワークを用いて心電図のトレースを分類する手法について検討した。
論文参考訳（メタデータ） (2021-06-11T16:49:10Z)
Hardware Implementation of Deep Network Accelerators Towards Healthcare and Biomedical Applications [3.1366585656972092]
本稿では,効率的なDL加速器の開発に様々な技術が利用できるかを説明するチュートリアルを提供する。バイオメディカルシグナルを処理するために, スパイクニューロモルフィックプロセッサが, DLプロセッサを補完する方法について検討する。
論文参考訳（メタデータ） (2020-07-11T01:14:08Z)

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。