論文の概要: Electroencephalography and mild cognitive impairment research: A scoping
review and bibliometric analysis (ScoRBA)
- arxiv url: http://arxiv.org/abs/2211.00302v1
- Date: Tue, 1 Nov 2022 06:52:19 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-02 14:28:43.916413
- Title: Electroencephalography and mild cognitive impairment research: A scoping
review and bibliometric analysis (ScoRBA)
- Title（参考訳）: 脳電図と軽度認知障害研究:スコーピングレビューと文献分析(ScoRBA)
- Authors: Adi Wijaya, Noor Akhmad Setiawan, Asma Hayati Ahmad, Rahimah Zakaria,
Zahiruddin Othman
- Abstract要約: 軽度認知障害(MCI)はしばしばアルツハイマー病(AD)の前駆者と見なされる
EEGは低コストで時間分解能が優れているため、研究者の間では最も人気があり、頻繁に使用されるツールである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Background: Mild cognitive impairment (MCI) is often considered a precursor
to Alzheimer's disease (AD) due to the high rate of progression from MCI to AD.
Sensitive neural biomarkers may provide a tool for an accurate MCI diagnosis,
enabling earlier and perhaps more effective treatment. Despite the availability
of numerous neuroscience techniques, electroencephalography (EEG) is the most
popular and frequently used tool among researchers due to its low cost and
superior temporal resolution. Objective: We conducted a scoping review of EEG
and MCI between 2012 and 2022 to track the progression of research in this
field. Methods: In contrast to previous scoping reviews, the data charting was
aided by co-occurrence analysis using VOSviewer, while data reporting adopted a
Patterns, Advances, Gaps, Evidence of Practice, and Research Recommendations
(PAGER) framework to increase the quality of the results. Results:
Event-related potentials (ERPs) and EEG, epilepsy, quantitative EEG (QEEG), and
EEG-based machine learning were the research themes addressed by 2310
peer-reviewed articles on EEG and MCI. Conclusion: Our review identified the
main research themes in EEG and MCI with high-accuracy detection of seizure and
MCI performed using ERP/EEG, QEEG and EEG-based machine learning frameworks.
- Abstract（参考訳）: 背景: 軽度認知障害(MCI)は, MCIからADへの進行率が高いことから, アルツハイマー病(AD)の前駆者とみなされることが多い。
感性神経バイオマーカーは正確なMCI診断のためのツールを提供し、より早く、おそらくより効果的な治療を可能にする。
多くの神経科学技術が利用可能であるにもかかわらず、脳波検査(EEG)は低コストで時間分解能が優れているため、研究者の間で最も人気があり、頻繁に使用されるツールである。
目的:2012年から2022年にかけて,脳波とMCIのスコーピング調査を行い,この分野の研究の進展を調べた。
方法:従来のスコーピングレビューとは対照的に,データチャートはVOSviewerを用いた共起分析によって支援され,データレポートにはPatterns,Advanceds,Gaps,Evidence of Practice,Research Recommendations(PAGER)フレームワークが採用され,結果の質が向上した。
結果: 事象関連電位 (ERPs) と脳波, てんかん, 定量的脳波 (QEEG) と脳波ベース機械学習 (EEG-based machine learning) は, 脳波とMCIに関する2310の査読論文で取り上げられた。
結論: 脳波とMCIの主な研究テーマは,ERP/EEG,QEEG,EEGベースの機械学習フレームワークを用いて,発作とMCIを高精度に検出することである。
関連論文リスト
- Explainable Biomedical Hypothesis Generation via Retrieval Augmented Generation enabled Large Language Models [46.05020842978823]
大規模言語モデル(LLM)はこの複雑なデータランドスケープをナビゲートする強力なツールとして登場した。
RAGGEDは、知識統合と仮説生成を伴う研究者を支援するために設計された包括的なワークフローである。
論文 参考訳（メタデータ） (2024-07-17T07:44:18Z) - hvEEGNet: exploiting hierarchical VAEs on EEG data for neuroscience
applications [3.031375888004876]
脳波の既存のDLベースのモデリング手法に2つの課題がある。
被験者間の高いばらつきと低信号対雑音比は、脳波データの良好な品質を確保するのを困難にしている。
本稿では,高忠実度脳波再構成問題を対象とした2つの変分オートエンコーダモデル,すなわちvEEGNet-ver3とhvEEGNetを提案する。
論文 参考訳（メタデータ） (2023-11-20T15:36:31Z) - Optimized EEG based mood detection with signal processing and deep
neural networks for brain-computer interface [0.0]
本研究の目的は,脳波と被験者の気分との関係を識別するスマート意思決定モデルを確立することである。
健康な28人の被験者の脳波は同意を得て観測され、気分を研究・認識する試みがなされている。
これらの技術を用いて、96.01%の検出精度が得られた。
論文 参考訳（メタデータ） (2023-03-30T15:23:24Z) - Brain Effective Connectome based on fMRI and DTI Data: Bayesian Causal
Learning and Assessment [1.9874264019909988]
ベイズ的因果発見フレームワークとして,ベイズ的GOLEM(BGOLEM)とベイズ的FGES(BFGES)の2つを紹介する。
ベイズ法は従来のfMRI法よりも精度が高いことを示す。
本研究の数値的およびグラフィカルな結果は、これらのフレームワークが脳機能や組織に対する理解を深める可能性を著しく浮き彫りにしている。
論文 参考訳（メタデータ） (2023-02-10T22:47:06Z) - 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) - A Deep Learning Approach for the Segmentation of Electroencephalography
Data in Eye Tracking Applications [56.458448869572294]
脳波データの時系列セグメンテーションのための新しいフレームワークDETRtimeを紹介する。
エンドツーエンドのディープラーニングベースのフレームワークは、コンピュータビジョンの進歩を前面に立たせています。
我々のモデルは脳波睡眠ステージセグメンテーションのタスクにおいてよく一般化される。
論文 参考訳（メタデータ） (2022-06-17T10:17:24Z) - Characterizing TMS-EEG perturbation indexes using signal energy: initial
study on Alzheimer's Disease classification [48.42347515853289]
経頭蓋磁気刺激(TMS)と脳波記録(TMS-EEG)を組み合わせることで、脳、特にアルツハイマー病(AD)の研究に大きな可能性を示す。
本研究では,脳機能の変化を反映した電位指標として,脳波信号のTMS誘発摂動の持続時間を自動的に決定する手法を提案する。
論文 参考訳（メタデータ） (2022-04-29T19:27:06Z) - Machine learning for modeling the progression of Alzheimer disease
dementia using clinical data: a systematic literature review [2.8136734847819773]
アルツハイマー病(英語: Alzheimer disease, AD)は、認知障害を特徴とする認知失調症である。
我々は2010年1月1日から2020年5月31日まで,PubMed, Scopus, ScienceDirect, IEEE Explore Digital Library, Association for Computing Machinery Digital Library, arXivで論文を検索した。
我々は、事前定義された基準を用いて、関連する項目を選択し、データ特性、計算アルゴリズム、研究焦点などのML分析の重要な要素に従ってそれらを要約した。
論文 参考訳（メタデータ） (2021-08-05T04:38:47Z) - Uncovering the structure of clinical EEG signals with self-supervised
learning [64.4754948595556]
教師付き学習パラダイムは、しばしば利用可能なラベル付きデータの量によって制限される。
この現象は脳波(EEG)などの臨床関連データに特に問題となる。
ラベルのないデータから情報を抽出することで、ディープニューラルネットワークとの競合性能に到達することができるかもしれない。
論文 参考訳（メタデータ） (2020-07-31T14:34:47Z) - Opportunities and Challenges of Deep Learning Methods for
Electrocardiogram Data: A Systematic Review [62.490310870300746]
心電図(Electrocardiogram、ECG)は、医学および医療において最も一般的に用いられる診断ツールの1つである。
深層学習法は心電図信号を用いた予測医療タスクにおいて有望な結果を得た。
本稿では、モデリングとアプリケーションの観点から、ECGデータに対するディープラーニング手法の体系的なレビューを行う。
論文 参考訳（メタデータ） (2019-12-28T02:44:29Z)
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。