論文の概要: Predicting electrode array impedance after one month from cochlear
implantation surgery
- arxiv url: http://arxiv.org/abs/2205.10021v1
- Date: Fri, 20 May 2022 08:27:56 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-24 02:58:04.704556
- Title: Predicting electrode array impedance after one month from cochlear
implantation surgery
- Title(参考訳): 人工内耳手術1カ月後の電極アレイインピーダンスの予測
- Authors: Yousef A. Alohali, Yassin Abdelsamad, Tamer Mesallam, Fida Almuhawas,
Abdulrahman Hagr, Mahmoud S. Fayed
- Abstract要約: 12チャンネルのMED-EL FLEX28電極アレイを用いて人工内耳を施行した小児80例を対象とした。
術後1カ月後に各チャネルの電極インピーダンスを予測した。
0~3 KOの誤差範囲を受け入れると、電極チャネルに基づいて精度が66%から100%に変化する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Sensorineural hearing loss can be treated using Cochlear implantation. After
this surgery using the electrode array impedance measurements, we can check the
stability of the impedance value and the dynamic range. Deterioration of speech
recognition scores could happen because of increased impedance values.
Medicines used to do these measures many times during a year after the surgery.
Predicting the electrode impedance could help in taking decisions to help the
patient get better hearing. In this research we used a dataset of 80 patients
of children who did cochlear implantation using MED-EL FLEX28 electrode array
of 12 channels. We predicted the electrode impedance on each channel after 1
month from the surgery date. We used different machine learning algorithms like
neural networks and decision trees. Our results indicates that the electrode
impedance can be predicted, and the best algorithm is different based on the
electrode channel. Also, the accuracy level varies between 66% and 100% based
on the electrode channel when accepting an error range between 0 and 3 KO.
Further research is required to predict the electrode impedance after three
months, six months and one year.
- Abstract(参考訳): 感音難聴は人工内耳を用いて治療することができる。
電極アレイインピーダンス測定を用いて手術を行った後,インピーダンス値とダイナミックレンジの安定性を確認した。
音声認識スコアの劣化はインピーダンス値の増大により起こりうる。
医療は手術後1年間に何度も実施されていた。
電極インピーダンスの予測は、患者の聴力を高めるために決定を下すのに役立つ。
本研究は,12チャンネルのMED-EL FLEX28電極アレイを用いて人工内耳装用を行った小児80例を対象とした。
手術日から1カ月後に各チャネルの電極インピーダンスを予測した。
ニューラルネットワークや決定木など、さまざまな機械学習アルゴリズムを使用しました。
その結果,電極インピーダンスは予測可能であり,最適なアルゴリズムは電極チャネルによって異なることがわかった。
また、0〜3 KOの誤差範囲を受け入れると、電極チャネルに基づいて精度が66%〜100%に変化する。
電極インピーダンスの予測には3ヶ月、6ヶ月、1年後にはさらなる研究が必要である。
関連論文リスト
- Neural Pfaffians: Solving Many Many-Electron Schrödinger Equations [58.130170155147205]
神経波関数は、計算コストが高いにもかかわらず、多電子系の基底状態の近似において前例のない精度を達成した。
近年の研究では、個々の問題を個別に解くのではなく、様々な構造や化合物にまたがる一般化波動関数を学習することでコストを下げることが提案されている。
この研究は、分子間の一般化に適した過度にパラメータ化され、完全に学習可能なニューラルウェーブ関数を定義することで、この問題に取り組む。
論文 参考訳(メタデータ) (2024-05-23T16:30:51Z) - Knowledge-Distilled Graph Neural Networks for Personalized Epileptic
Seizure Detection [43.905374104261014]
そこで,本研究では,全電極から得られたデータに基づいて訓練された高度感応検知器(教師と呼ぶ)から知識を伝達し,新しい検出器(学生と呼ぶ)を学習するための新しい知識蒸留手法を提案する。
どちらも軽量な実装を提供しており、脳波を記録するのに必要な電極の数を大幅に削減している。
以上の結果から,脳波の少ない症例では,知識蒸留とパーソナライゼーションの両方が,発作検出の性能向上に重要な役割を担っていることが明らかとなった。
論文 参考訳(メタデータ) (2023-04-03T15:37:40Z) - Sparse Dynamical Features generation, application to Parkinson's Disease
diagnosis [0.0]
本稿では,脳波の動的,頻度,時間的内容を用いて脳の機能に着想を得た新しいアプローチを提案する。
本手法は,N=50名の被験者を含む3眼球聴覚タスク中に記録された脳波信号を含む公開データセットを用いて評価し,そのうち25名がPDに罹患した。
論文 参考訳(メタデータ) (2022-10-20T22:39:29Z) - 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) - Ensemble of Convolution Neural Networks on Heterogeneous Signals for
Sleep Stage Scoring [63.30661835412352]
本稿では,脳波以外の追加信号の利用の利便性について検討し,比較する。
最も優れたモデルである深部分離畳み込みニューラルネットワークのアンサンブルは86.06%の精度を達成した。
論文 参考訳(メタデータ) (2021-07-23T06:37:38Z) - Change Matters: Medication Change Prediction with Recurrent Residual
Networks [52.34011841798978]
MICRONは、隠れた薬のベクターと、再建設計で繰り返し設定された薬を更新することを学ぶ。
MICRONはF1スコアで最高のベースラインよりも3.5%と7.8%の相対的な改善を達成している。
論文 参考訳(メタデータ) (2021-05-05T05:51:30Z) - Convolutional Neural Networks for Sleep Stage Scoring on a Two-Channel
EEG Signal [63.18666008322476]
睡眠障害は、世界中の主要な病気の1つです。
専門家が使用する基本的なツールはPolysomnogramで、睡眠中に記録された様々な信号の集合である。
専門家は、標準的なガイドラインの1つに従って異なる信号を採点する必要があります。
論文 参考訳(メタデータ) (2021-03-30T09:59:56Z) - Localization of Cochlear Implant Electrodes from Cone Beam Computed
Tomography using Particle Belief Propagation [23.934214668896157]
人工内耳インプラント(CI)は、深い難聴に苦しむ人々の聴覚感覚を回復させることができるインプラント可能な医療機器です。
これらの電極の正確な位置は、これらのデバイスの性能を改善し予測する上で重要なパラメータとなるかもしれない。
コーンビーム計算トモグラフィー(CBCT)データセットに対するCI電極位置決めのためのマルコフランダムフィールド(MRF)モデルを提案する。
論文 参考訳(メタデータ) (2021-03-18T15:39:23Z) - Combining unsupervised and supervised learning for predicting the final
stroke lesion [2.587975592408692]
90日後に最終脳卒中病変を予測するための完全自動深層学習法を提案する。
本研究の目的は、脳卒中の最終病変の位置と範囲を予測し、その予測に影響を与える脳血流動態を考慮に入れることである。
論文 参考訳(メタデータ) (2021-01-02T17:56:47Z) - Segmentation-free Estimation of Aortic Diameters from MRI Using Deep
Learning [2.231365407061881]
大動脈径の直接推定のための教師付き深層学習法を提案する。
提案手法では,3Dスキャンを入力とし,所定の位置で大動脈径を出力する3D+2D畳み込みニューラルネットワーク(CNN)を用いる。
全体として、3D+2D CNNは大動脈の位置によって2.2-2.4mmの平均的な絶対誤差を達成した。
論文 参考訳(メタデータ) (2020-09-09T18:28:00Z) - 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。
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。