論文の概要: A Knowledge Distillation Framework For Enhancing Ear-EEG Based Sleep Staging With Scalp-EEG Data

• arxiv url: http://arxiv.org/abs/2211.02638v1
• Date: Thu, 27 Oct 2022 01:32:58 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-13 23:46:05.066224
• Title: A Knowledge Distillation Framework For Enhancing Ear-EEG Based Sleep Staging With Scalp-EEG Data
• Title（参考訳）: Scalp-EEGデータを用いたEar-EEGベースの睡眠状態改善のための知識蒸留フレームワーク
• Authors: Mithunjha Anandakumar, Jathurshan Pradeepkumar, Simon L. Kappel, Chamira U. S. Edussooriya, Anjula C. De Silva
• Abstract要約: ポリソムノグラフィーによる睡眠研究は不快感としばしば睡眠の質の低下と関連している。 これまでの研究は、高品質な睡眠研究を行うための邪魔にならない方法の開発に重点を置いてきた。 ドメイン適応手法であるクロスモーダルな知識蒸留戦略を提案する。
• 参考スコア（独自算出の注目度）: 3.382472583898067
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Sleep plays a crucial role in the well-being of human lives. Traditional sleep studies using Polysomnography are associated with discomfort and often lower sleep quality caused by the acquisition setup. Previous works have focused on developing less obtrusive methods to conduct high-quality sleep studies, and ear-EEG is among popular alternatives. However, the performance of sleep staging based on ear-EEG is still inferior to scalp-EEG based sleep staging. In order to address the performance gap between scalp-EEG and ear-EEG based sleep staging, we propose a cross-modal knowledge distillation strategy, which is a domain adaptation approach. Our experiments and analysis validate the effectiveness of the proposed approach with existing architectures, where it enhances the accuracy of the ear-EEG based sleep staging by 3.46% and Cohen's kappa coefficient by a margin of 0.038.
• Abstract（参考訳）: 睡眠は人間の健康に重要な役割を担っている。 ポリソムノグラフィを用いた従来の睡眠研究は、取得設定による不快感や睡眠品質の低下と関連している。 これまでの研究は、高品質な睡眠研究を行うための邪魔の少ない方法の開発に重点を置いてきた。 しかし,耳-EEGによる睡眠ステージングの成績は,頭皮-EEGによる睡眠ステージングよりも劣っている。 頭皮-EEGと耳-EEGベースの睡眠ステージングのパフォーマンスギャップに対処するため,ドメイン適応手法であるクロスモーダルな知識蒸留戦略を提案する。 実験と分析により,提案手法の有効性が検証され,耳eegに基づく睡眠ステージングの精度が3.46%,コーエンのkappa係数が0.038パーセント向上した。

関連論文リスト

• Sleep Staging from Airflow Signals Using Fourier Approximations of Persistence Curves [6.404122934568859]
  本研究では,気流信号に基づく睡眠ステージングを行うために,持続曲線(FAPC)のフーリエ近似を提案する。 全国小児病院睡眠データバンクから得られた1155名の小児睡眠研究について,XGBoostモデルを用いて評価を行った。
  論文  参考訳（メタデータ） (2024-11-12T17:41:16Z)
• Enhancing Healthcare with EOG: A Novel Approach to Sleep Stage Classification [1.565361244756411]
  EOG信号を用いた自動睡眠ステージ分類に革新的アプローチを導入し、脳波データ取得に伴う不快感と非現実性に対処する。 提案するSE-Resnet-Transformerモデルは、生のEOG信号から5つの異なる睡眠ステージを正確に分類する。
  論文  参考訳（メタデータ） (2023-09-25T16:23:39Z)
• DGSD: Dynamical Graph Self-Distillation for EEG-Based Auditory Spatial Attention Detection [49.196182908826565]
  AAD(Auditory Attention Detection)は、マルチスピーカー環境で脳信号からターゲット話者を検出することを目的としている。 現在のアプローチは主に、画像のようなユークリッドデータを処理するために設計された従来の畳み込みニューラルネットワークに依存している。 本稿では、入力として音声刺激を必要としないAADのための動的グラフ自己蒸留(DGSD)手法を提案する。
  論文  参考訳（メタデータ） (2023-09-07T13:43:46Z)
• EEG-based Sleep Staging with Hybrid Attention [4.718295968108302]
  我々は、HASS(Hybrid Attention EEG Sleep Staging)と呼ばれる新しいフレームワークを提案する。 提案手法は,睡眠時脳波信号の空間的・時間的関係を捉えることの難しさを軽減する。
  論文  参考訳（メタデータ） (2023-05-16T15:37:32Z)
• Sleep Activity Recognition and Characterization from Multi-Source Passively Sensed Data [67.60224656603823]
  睡眠活動認識法は、被験者の睡眠覚醒サイクルを評価し、監視し、特徴づけ、行動の変化を検出する指標を提供することができる。 本稿では,スマートフォンから受動的に知覚されたデータを連続的に操作して,睡眠の特徴を識別し,重要な睡眠エピソードを識別する一般的な方法を提案する。 これらの装置は、その用途により、連続的で客観的で非侵襲的な方法で被験者の生体リズムをプロファイルするための優れた代替データ源となっている。
  論文  参考訳（メタデータ） (2023-01-17T15:18:45Z)
• Ontology-aware Learning and Evaluation for Audio Tagging [56.59107110017436]
  平均平均精度(mAP)は、異なる種類の音をそれらの関係を考慮せずに独立したクラスとして扱う。 オントロジー認識平均平均精度(OmAP)は、評価中にAudioSetオントロジー情報を利用することで、mAPの弱点に対処する。 我々は人間の評価を行い、OmAPはmAPよりも人間の知覚と一致していることを示した。
  論文  参考訳（メタデータ） (2022-11-22T11:35:14Z)
• EEG aided boosting of single-lead ECG based sleep staging with Deep Knowledge Distillation [0.8602553195689513]
  心電図(Electrocardiogram, ECG)は、睡眠期における脳波の代替としてより適している。 知識蒸留(KD)はDeep Learning(DL)において有望な概念であり、優れたパフォーマンスだがより複雑な教師モデルから劣るがコンパクトな学生モデルまで知識を共有している。 本研究は, 単チャンネル心電図による3クラス (W-R-N) と4クラス (W-R-L-D) の睡眠ステージング性能向上のためのKDの実現可能性を示す。
  論文  参考訳（メタデータ） (2022-11-18T21:09:25Z)
• A Deep Knowledge Distillation framework for EEG assisted enhancement of single-lead ECG based sleep staging [1.181206257787103]
  脳波で訓練されたモデルを用いて学習した特徴の助けを借りて、ECGベースの睡眠ステージング性能を向上させるためのクロスモーダルKDフレームワークを提案する。 提案したモデルでは、それぞれ4クラスと3クラスの睡眠ステージにおける重み付きF1スコアが14.3%、13.4%増加した。
  論文  参考訳（メタデータ） (2021-12-14T09:35:40Z)
• MSED: a multi-modal sleep event detection model for clinical sleep analysis [62.997667081978825]
  ポリソムノグラムで睡眠イベントを共同検出する,単一のディープニューラルネットワークアーキテクチャを設計した。 モデルの性能は,F1,精度,リコールスコア,および指標値と臨床値との相関で定量化した。
  論文  参考訳（メタデータ） (2021-01-07T13:08:44Z)
• Automatic detection of microsleep episodes with deep learning [55.41644538483948]
  15秒未満の睡眠の短い断片は、マイクロスリープエピソード(MSEs)として定義される 覚醒検査(MWT)の維持は、警戒を評価するために臨床現場でしばしば用いられる。 MSEは、MSEを定義する確立された評価基準が欠如しているため、ほとんど考慮されていない。 入力として生の脳波とEOGデータに基づいて機械学習を用いてMSEを自動的に検出することを目的とした。
  論文  参考訳（メタデータ） (2020-09-07T11:38:40Z)
• 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。