論文の概要: Machine Learning Methods Applied to Cortico-Cortical Evoked Potentials Aid in Localizing Seizure Onset Zones

• arxiv url: http://arxiv.org/abs/2211.07867v1
• Date: Tue, 15 Nov 2022 03:18:37 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-16 16:13:55.752187
• Title: Machine Learning Methods Applied to Cortico-Cortical Evoked Potentials Aid in Localizing Seizure Onset Zones
• Title（参考訳）: 発作発症域の局所化を支援する皮質皮質誘発電位への機械学習の適用
• Authors: Ian G. Malone, Kaleb E. Smith, Morgan E. Urdaneta, Tyler S. Davis, Daria Nesterovich Anderson, Brian J. Phillip, John D. Rolston, Christopher R. Butson
• Abstract要約: てんかんの3分の1は薬剤耐性であり、治療には手術が必要である。 皮質皮質誘発電位(CCEP)を用いてSOZ局在を改善する試みがなされている。 ここでは、CCEPデータからSOZをローカライズする10の機械学習分類器の性能を比較する。
• 参考スコア（独自算出の注目度）: 0.31829670680180266
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Epilepsy affects millions of people, reducing quality of life and increasing risk of premature death. One-third of epilepsy cases are drug-resistant and require surgery for treatment, which necessitates localizing the seizure onset zone (SOZ) in the brain. Attempts have been made to use cortico-cortical evoked potentials (CCEPs) to improve SOZ localization but none have been successful enough for clinical adoption. Here, we compare the performance of ten machine learning classifiers in localizing SOZ from CCEP data. This preliminary study validates a novel application of machine learning, and the results establish our approach as a promising line of research that warrants further investigation. This work also serves to facilitate discussion and collaboration with fellow machine learning and/or epilepsy researchers.
• Abstract（参考訳）: てんかんは何百万人もの人に影響を与え、生活の質を下げ、早死にのリスクを増す。 てんかん症例の3分の1は薬剤耐性であり、治療の手術を必要とする。 皮質皮質誘発電位 (CCEPs) を用いてSOZの局在を改善する試みがなされているが, 臨床応用には不十分であった。 ここでは、CCEPデータからSOZをローカライズする10の機械学習分類器の性能を比較する。 この予備研究は機械学習の新たな応用を検証し,今後の研究が期待できる有望な研究ラインとしてのアプローチを確立した。 この研究は、同僚の機械学習やてんかん研究者との議論やコラボレーションを促進するのにも役立ちます。

関連論文リスト

• Localising the Seizure Onset Zone from Single-Pulse Electrical Stimulation Responses with a CNN Transformer [0.0]
  てんかんは最も一般的な神経疾患の1つで、薬が発作を制御できない場合に外科的治療を必要とすることが多い。 効果的な外科的結果を得るためには、てんかん原性焦点の正確な局所化が重要であるが、依然として課題である。 本研究では,Single-Pulse Electro Stimulation (SPES) 応答を用いた深層学習のSOZローカライゼーションへの応用を推し進める。
  論文  参考訳（メタデータ） (2024-03-29T17:51:50Z)
• Merging Deep Learning with Expert Knowledge for Seizure Onset Zone localization from rs-fMRI in Pediatric Pharmaco Resistant Epilepsy [7.087237546722617]
  若年期の清垂発症帯(SOZs)は薬剤耐性てんかん(PRE)の治療に有効である 頭蓋内脳波(iEEG)によるSOZの術前局在は、安全で効果的な電極配置を必要とする。 DeepXSOZは、a)専門家による作業負荷の大幅な削減や、(b)手術チームの専門知識に基づく高感度操作を設定できる、ループ内のICソート技術である。
  論文  参考訳（メタデータ） (2023-06-08T22:07:48Z)
• Machine Learning Techniques for Predicting the Short-Term Outcome of Resective Surgery in Lesional-Drug Resistance Epilepsy [1.759008116536278]
  7つのディフフェレント分類アルゴリズムを用いてデータを解析した。 線形カーネルを持つサポートベクターマシン(SVM)の精度は76.1%であった。
  論文  参考訳（メタデータ） (2023-02-10T13:04:47Z)
• A review on Epileptic Seizure Detection using Machine Learning [0.0]
  本研究は特徴選択プロセスと分類性能の体系的な文献レビューを提供する。 既存の文献は、MPDI、IEEEXplore、Wiley、Elsevier、ACM、Springerlinkなどの有名なリポジトリから調査された。
  論文  参考訳（メタデータ） (2022-10-05T13:37:45Z)
• Adaptive Identification of Populations with Treatment Benefit in Clinical Trials: Machine Learning Challenges and Solutions [78.31410227443102]
  確定的臨床試験において,特定の治療の恩恵を受ける患者サブポピュレーションを適応的に同定する問題について検討した。 サブポピュレーション構築のためのメタアルゴリズムであるAdaGGIとAdaGCPIを提案する。
  論文  参考訳（メタデータ） (2022-08-11T14:27:49Z)
• A Multi-rater Comparative Study of Automatic Target Localization Methods for Epilepsy Deep Brain Stimulation Procedures [6.1757304574413245]
  深部脳刺激(Deep Brain Stimulation、DBS)は、抗てんかん薬や切除手術が良好な結果に至らない場合に、代替の治療法として現れる。 手順の計画や標準化を容易にするため,DBS刺激対象を自動的にローカライズするアルゴリズムを開発することが望ましい。 本研究では、ANT-DBSの様々なローカライゼーション手法をベンチマークすることで、広範な比較研究を行う。
  論文  参考訳（メタデータ） (2022-01-26T15:20:24Z)
• SpineOne: A One-Stage Detection Framework for Degenerative Discs and Vertebrae [54.751251046196494]
  SpineOneと呼ばれる一段階検出フレームワークを提案し、MRIスライスから変性椎骨と椎骨を同時に局在化・分類する。 1)キーポイントの局所化と分類を促進するためのキーポイント・ヒートマップの新しい設計、2)ディスクと脊椎の表現をよりよく区別するためのアテンション・モジュールの使用、3)後期訓練段階における複数の学習目標を関連付けるための新しい勾配誘導客観的アソシエーション機構。
  論文  参考訳（メタデータ） (2021-10-28T12:59:06Z)
• COVID-Net US: A Tailored, Highly Efficient, Self-Attention Deep Convolutional Neural Network Design for Detection of COVID-19 Patient Cases from Point-of-care Ultrasound Imaging [101.27276001592101]
  我々は,肺POCUS画像からの新型コロナウイルススクリーニングに適した,高効率で自己注意型の深層畳み込みニューラルネットワーク設計であるCOVID-Net USを紹介した。 実験の結果、提案されたCOVID-Net USは、アーキテクチャの複雑さが353倍、計算の複雑さが62倍、Raspberry Piで14.3倍高速なAUCを達成できることがわかった。 リソース制約のある環境において安価な医療と人工知能を提唱するために、COVID-Net USをオープンソースにし、COVID-Netオープンソースイニシアチブの一部として公開しました。
  論文  参考訳（メタデータ） (2021-08-05T16:47:33Z)
• Review of Machine Learning Algorithms for Brain Stroke Diagnosis and Prognosis by EEG Analysis [50.591267188664666]
  ストローク(Strokes)は、アメリカ合衆国の成人障害の主要な原因である。 脳-コンピュータインタフェース(Brain-Computer Interfaces、BCI)は、患者の神経経路の回復または電子補綴器との効果的なコミュニケーションを支援する。 さまざまな機械学習技術とアルゴリズムをBCI技術と組み合わせることで、脳卒中治療にBCIを使うことは、有望で急速に拡大する分野であることを示している。
  論文  参考訳（メタデータ） (2020-08-06T19:50:29Z)
• Prediction of the onset of cardiovascular diseases from electronic health records using multi-task gated recurrent units [51.14334174570822]
  本稿では,電子カルテから心血管イベントを予測するための注意機構を備えたマルチタスク・リカレントニューラルネットワークを提案する。 提案手法は、NHS Foundation Trustの5年間のデータを用いて、標準的な臨床リスク予測器(QRISK)と機械学習の代替手段と比較される。
  論文  参考訳（メタデータ） (2020-07-16T17:43:13Z)
• Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
  パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。 本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-06T09:02:30Z)

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。