論文の概要: Neonatal EEG graded for severity of background abnormalities in hypoxic-ischaemic encephalopathy

• arxiv url: http://arxiv.org/abs/2206.04420v1
• Date: Thu, 9 Jun 2022 11:22:29 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-10 16:25:32.763225
• Title: Neonatal EEG graded for severity of background abnormalities in hypoxic-ischaemic encephalopathy
• Title（参考訳）: 低酸素性虚血性脳症における新生児脳波の検討
• Authors: John M O'Toole, Sean R Mathieson, Sumit A Raurale, Fabio Magarelli, William P Marnane, Gordon Lightbody, Geraldine B Boylan
• Abstract要約: このデータセットは、新生児集中治療室で記録された53人の新生児から169時間の多チャンネル脳波で構成されている。 全新生児に低酸素性虚血性脳症(HIE)と診断された。 グレーディングシステムは、振幅と周波数、連続性、睡眠覚醒サイクリング、対称性と同期、異常波形などの脳波特性を評価する。
• 参考スコア（独自算出の注目度）: 2.6168876987285303
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This report describes a set of neonatal electroencephalogram (EEG) recordings graded according to the severity of abnormalities in the background pattern. The dataset consists of 169 hours of multichannel EEG from 53 neonates recorded in a neonatal intensive care unit. All neonates received a diagnosis of hypoxic-ischaemic encephalopathy (HIE), the most common cause of brain injury in full term infants. For each neonate, multiple 1-hour epochs of good quality EEG were selected and then graded for background abnormalities. The grading system assesses EEG attributes such as amplitude and frequency, continuity, sleep-wake cycling, symmetry and synchrony, and abnormal waveforms. Background severity was then categorised into 4 grades: normal or mildly abnormal, moderately abnormal, severely abnormal, and inactive EEG. The data can be used as a reference set of multi-channel EEG for neonates with HIE, for EEG training purposes, or for developing and evaluating automated grading algorithms.
• Abstract（参考訳）: 本報告では, 背景パターンの異常の重症度に応じて評価された新生児脳波記録について述べる。 データセットは、新生児集中治療室で記録された53人の新生児から169時間のマルチチャネル脳波からなる。 全新生児に低酸素性虚血性脳症(HIE)と診断された。 各新生児に良質な脳波の1時間周期のエポックを複数選択し,背景異常を判断した。 グレーディングシステムは、振幅と周波数、連続性、睡眠覚醒サイクリング、対称性と同期、異常波形などの脳波特性を評価する。 背景重症度は、正常または軽度異常、中等度異常、重度異常、不活性脳波の4つに分類された。 データは、HIEを使った新生児のためのマルチチャネルEEGのリファレンスセットとして、EEGトレーニング目的のために、あるいは自動グレーティングアルゴリズムの開発と評価のために使用することができる。

関連論文リスト

• Comparison of Epilepsy Induced by Ischemic Hypoxic Brain Injury and Hypoglycemic Brain Injury using Multilevel Fusion of Data Features [0.0]
  本研究は、低酸素虚血(HI)、低血糖、てんかんによる脳損傷の類似性と相違について検討することを目的とする。
  論文  参考訳（メタデータ） (2024-09-03T08:25:52Z)
• Are we certain it's anomalous? [57.729669157989235]
  時系列における異常検出は、高度に非線形な時間的相関のため、異常は稀であるため、複雑なタスクである。 本稿では,異常検出(HypAD)におけるハイパボリック不確実性の新しい利用法を提案する。 HypADは自己指導で入力信号を再構築する。
  論文  参考訳（メタデータ） (2022-11-16T21:31:39Z)
• Task-oriented Self-supervised Learning for Anomaly Detection in Electroencephalography [51.45515911920534]
  タスク指向型自己教師型学習手法を提案する。 大きなカーネルを持つ特定の2つの分岐畳み込みニューラルネットワークを特徴抽出器として設計する。 効果的に設計され、訓練された特徴抽出器は、より優れた特徴表現を脳波から抽出できることが示されている。
  論文  参考訳（メタデータ） (2022-07-04T13:15:08Z)
• Factored Attention and Embedding for Unstructured-view Topic-related Ultrasound Report Generation [70.7778938191405]
  本研究では,非構造的トピック関連超音波レポート生成のための新しい因子的注意・埋め込みモデル(FAE-Gen)を提案する。 提案したFAE-Genは主に2つのモジュール、すなわちビュー誘導因子の注意とトピック指向因子の埋め込みから構成されており、異なるビューで均質および不均一な形態的特徴を捉えている。
  論文  参考訳（メタデータ） (2022-03-12T15:24:03Z)
• 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)
• High Frequency EEG Artifact Detection with Uncertainty via Early Exit Paradigm [70.50499513259322]
  現在のアーティファクト検出パイプラインはリソース不足であり、手作りの機能に大きく依存している。 高周波脳波アーチファクト検出のためのディープラーニングフレームワークであるE4Gを提案する。 われわれのフレームワークは初期の出口パラダイムを利用して、不確実性を捉えることのできるモデルの暗黙のアンサンブルを構築している。
  論文  参考訳（メタデータ） (2021-07-21T07:05:42Z)
• Deep Learning for EEG Seizure Detection in Preterm Infants [1.3002050979054345]
  本稿では,乳幼児の新生児発作検出のための新しい深層学習(DL)アーキテクチャについて検討する。 本研究は, 早期乳児を対象とした脳波発作検出アルゴリズムの精度が, 完全長期乳児に対して達成される性能にかなり劣っていることを示すものである。
  論文  参考訳（メタデータ） (2021-05-28T14:03:56Z)
• Automated Detection of Abnormal EEGs in Epilepsy With a Compact and Efficient CNN Model [9.152759278163954]
  本稿では,脳波の異常時間間隔と電極を検出するための,コンパクトで効率的な畳み込みニューラルネットワーク(CNN)の開発について述べる。 EEGNetとは異なり、提案モデルであるmEEGNetは同じ数の電極入力と出力を持ち、異常を検出する。 その結果、mEEGNetは、曲線下における異常脳波、F1値、および既存のCNNと同等以上の感度を検出できた。
  論文  参考訳（メタデータ） (2021-05-21T16:52:56Z)
• EEG-GCNN: Augmenting Electroencephalogram-based Neurological Disease Diagnosis using a Domain-guided Graph Convolutional Neural Network [0.21756081703275995]
  本稿では,頭皮電気脳波(EEG)を用いた神経疾患の診断を改善するための新しいグラフ畳み込みニューラルネットワーク(GCNN)を提案する。 脳波データのための新しいGCNNモデルであるEEG-GCNNを提案し、頭皮電極間の空間的および機能的接続を捉える。 我々は、EEG-GCNNが人間のベースラインと古典的機械学習(ML)ベースラインを大幅に上回っており、AUCは0.90であることを示した。
  論文  参考訳（メタデータ） (2020-11-17T20:25:28Z)
• Grading the severity of hypoxic-ischemic encephalopathy in newborn EEG using a convolutional neural network [3.2498534294827044]
  本研究では、深層畳み込みニューラルネットワークを用いて、生の脳波データ内の階層的表現を学習する、新しいエンドツーエンドアーキテクチャを提案する。 本システムは低酸素性虚血性脳症を4段階に分類し,54人の新生児から63時間の多チャンネル脳波データセットを用いて評価した。
  論文  参考訳（メタデータ） (2020-05-12T05:58:27Z)
• 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。