論文の概要: Analysis of Smooth Pursuit Assessment in Virtual Reality and Concussion
Detection using BiLSTM
- arxiv url: http://arxiv.org/abs/2210.11238v1
- Date: Wed, 12 Oct 2022 16:52:31 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-23 20:27:03.029186
- Title: Analysis of Smooth Pursuit Assessment in Virtual Reality and Concussion
Detection using BiLSTM
- Title（参考訳）: BiLSTMを用いたバーチャルリアリティーと脳震源検出におけるスムース・スーツ・アセスメントの解析
- Authors: Prithul Sarker, Khondker Fariha Hossain, Isayas Berhe Adhanom, Philip
K Pavilionis, Nicholas G. Murray, Alireza Tavakkoli
- Abstract要約: スポーツ関連脳梗塞(SRC)バッテリは主観的症状報告に大きく依存している。
本稿では,長期記憶(LSTM)リカレントニューラルネットワーク(RNN)アーキテクチャを用いて,眼球運動データからSRCを検出する手法を提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The sport-related concussion (SRC) battery relies heavily upon subjective
symptom reporting in order to determine the diagnosis of a concussion.
Unfortunately, athletes with SRC may return-to-play (RTP) too soon if they are
untruthful of their symptoms. It is critical to provide accurate assessments
that can overcome underreporting to prevent further injury. To lower the risk
of injury, a more robust and precise method for detecting concussion is needed
to produce reliable and objective results. In this paper, we propose a novel
approach to detect SRC using long short-term memory (LSTM) recurrent neural
network (RNN) architectures from oculomotor data. In particular, we propose a
new error metric that incorporates mean squared error in different proportions.
The experimental results on the smooth pursuit test of the VR-VOMS dataset
suggest that the proposed approach can predict concussion symptoms with higher
accuracy compared to symptom provocation on the vestibular ocular motor
screening (VOMS).
- Abstract（参考訳）: sport-related concussion (src) バッテリは、脳震縮の診断のために主観的な症状報告に大きく依存している。
残念なことに、SRCの選手は症状に無関心であれば、RTP(Return-to-play)が早すぎる可能性がある。
報告不足を克服し、さらなる怪我を防止できる正確な評価を提供することが重要である。
損傷のリスクを下げるためには、信頼性と客観的な結果を得るために、よりロバストで正確な震動検出方法が必要である。
本稿では,long short-term memory (lstm) recurrent neural network (rnn) アーキテクチャを用いて,oculomotorデータからsrcを検出する新しい手法を提案する。
特に、平均二乗誤差を異なる比例で組み込んだ新しい誤差計量を提案する。
vr-vomsデータセットの円滑な追跡実験の結果から,前庭眼運動スクリーニング(voms)の症状誘発よりも高い精度で脳震縮症状を予測できることが示唆された。
関連論文リスト
- Unsupervised dMRI Artifact Detection via Angular Resolution Enhancement and Cycle Consistency Learning [45.3610312584439]
拡散磁気共鳴イメージング(dMRI)は神経画像研究において重要な技術であり、脳組織の基盤構造を非侵襲的に探究することができる。
臨床dMRIデータは、取得中に様々なアーティファクトに影響を受けやすいため、信頼性の低いその後の分析に繋がる可能性がある。
我々は、$textbfU$n $textbfd$MRI $textbfA$rtifact $textbfD$etection via $textbfA$ngular Resolution Enhancement and $textbfC$ycleと呼ばれる新しい教師なしディープラーニングフレームワークを提案する。
論文 参考訳（メタデータ） (2024-09-24T08:56:10Z) - REST: Efficient and Accelerated EEG Seizure Analysis through Residual State Updates [54.96885726053036]
本稿では,リアルタイム脳波信号解析のための新しいグラフベース残状態更新機構(REST)を提案する。
グラフニューラルネットワークとリカレント構造の組み合わせを活用することで、RESTは、非ユークリッド幾何学とEEGデータ内の時間的依存関係の両方を効率的にキャプチャする。
本モデルは,発作検出と分類作業において高い精度を示す。
論文 参考訳（メタデータ） (2024-06-03T16:30:19Z) - Detecting and clustering swallow events in esophageal long-term high-resolution manometry [48.688209040613216]
深達度学習に基づく飲み込み検出法を提案し, 二次性非解離性食道運動障害を正確に同定する。
われわれは,25 LTHRMで計算パイプラインを評価し,医療専門家の注意を喚起した。
論文 参考訳（メタデータ） (2024-05-02T09:41:31Z) - A self-attention model for robust rigid slice-to-volume registration of functional MRI [4.615338063719135]
fMRIスキャン中の頭部の動きは、歪み、偏りの分析、コストの増加をもたらす。
本稿では,2次元fMRIスライスを3次元参照ボリュームに整列するエンド・ツー・エンドSVRモデルを提案する。
本モデルは,最先端のディープラーニング手法と比較して,アライメント精度の面での競合性能を実現する。
論文 参考訳（メタデータ） (2024-04-06T08:02:18Z) - Automatic diagnosis of knee osteoarthritis severity using Swin
transformer [55.01037422579516]
変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。
我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
論文 参考訳（メタデータ） (2023-07-10T09:49:30Z) - Meta-Analysis of Transfer Learning for Segmentation of Brain Lesions [0.0]
3次元磁気共鳴(MR)画像からの脳卒中病変の手動分割は、現在の金標準である。
転写学習(TL)と混合データアプローチを用いて訓練した8種類の2次元モデルアーキテクチャを用いて,脳卒中病変の完全自動セグメンテーション手法の実装と試験を行った。
クロスバリデーションの結果,新しい手法は,地中真実と比較して高速かつ高精度に病変を分割できることがわかった。
論文 参考訳（メタデータ） (2023-06-20T17:42:30Z) - Adversarial Robustness and Feature Impact Analysis for Driver Drowsiness
Detection [0.0]
眠気運転は道路事故の主要な原因であるが、ドライバーは疲労が反応時間に与える影響を否定している。
障害が発生する前に眠気を検出するには、機械学習(ML)を使用して心拍変動(HRV)信号を監視するという、有望な戦略がある。
論文 参考訳（メタデータ） (2023-03-23T20:13:44Z) - Patched Diffusion Models for Unsupervised Anomaly Detection in Brain MRI [55.78588835407174]
本稿では,正常脳解剖のパッチベース推定法として拡散モデルの生成タスクを再構築する手法を提案する。
腫瘍と多発性硬化症について検討し,既存のベースラインと比較して25.1%の改善がみられた。
論文 参考訳（メタデータ） (2023-03-07T09:40:22Z) - Virtual-Reality based Vestibular Ocular Motor Screening for Concussion
Detection using Machine-Learning [0.0]
スポーツ関連脳梗塞(SRC)は視覚・前庭・体性感覚系の感覚情報に依存する。
現在,Vestibular/Ocular Motor Screening (VOMS) を施行中である。
技術の進歩により、VOMSの標準化を進めるためにバーチャルリアリティ(VR)を利用することができる。
論文 参考訳（メタデータ） (2022-10-13T02:09:21Z) - 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) - DeepStroke: An Efficient Stroke Screening Framework for Emergency Rooms
with Multimodal Adversarial Deep Learning [18.097454820713555]
緊急室(ER)では、脳梗塞の診断が一般的な課題である。
過剰な実行時間とコストのため、通常、MRIスキャンはERでは利用できない。
本稿では,コンピュータ支援型ストロークプレゼンス評価を実現するために,新しいマルチモーダル深層学習フレームワークDeepStrokeを提案する。
論文 参考訳（メタデータ） (2021-09-24T16:46:13Z)
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。