Fugu-MT 論文翻訳(概要): Using machine learning algorithms to determine the emotional disadaptation of a person by his rhythmogram

論文の概要: Using machine learning algorithms to determine the emotional disadaptation of a person by his rhythmogram

arxiv url: http://arxiv.org/abs/2212.13895v1
Date: Fri, 16 Dec 2022 12:07:58 GMT
ステータス: 処理完了
システム内更新日: 2023-01-01 14:14:33.926569
Title: Using machine learning algorithms to determine the emotional disadaptation of a person by his rhythmogram
Title（参考訳）: 機械学習アルゴリズムを使って、リズムグラムで人の感情的不適応を判断する
Authors: Sergey Stasenko, Olga Shemagina, Eremin Evgeny, Vladimir Yakhno, Sergey Parin, Sofia Polevaya
Abstract要約: 機械学習アルゴリズムを用いて、人の感情的不適応をリズモグラムで決定する。心電図(ECG)信号は,患者の感情的不適応の登録に利用できることを示す。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this study we applyed machine-learning algorithms to determine the emotional disadaptation of a person by his rhythmogram. We used the method of determining a subject level of emotional disadaptation and recording of cardiorhythmography. We show that electrocardiogram (ECG) signals can be used for the registration of the emotional disadaptation of a person.
Abstract（参考訳）: 本研究では,機械学習アルゴリズムを用いて,人の感情的不適応を決定する。心室筋電図の感情的不適応と記録の主観レベルを決定する方法を用いた。心電図(ECG)信号は,患者の感情的不適応の登録に利用できることを示す。

関連論文リスト

Self-supervised inter-intra period-aware ECG representation learning for detecting atrial fibrillation [41.82319894067087]
そこで本研究では,周期型ECG表現学習手法を提案する。心房細動患者の心電図ではRR間隔の不規則性やP波の欠如を考慮し, 経時的および経時的表現のための特定の事前訓練タスクを開発する。本手法は,発作/持続性心房細動検出のためのBTCHデータセット,textiti., 0.953/0.996におけるAUCの顕著な性能を示す。
論文参考訳（メタデータ） (2024-10-08T10:03:52Z)
EEG Emotion Copilot: Pruning LLMs for Emotional EEG Interpretation with Assisted Medical Record Generation [13.048477440429195]
本稿では,局所的に動作する軽量な大規模言語モデル(LLM)を利用したEEG Emotion Copilotを提案する。このシステムは、まず脳波信号から直接感情状態を認識し、パーソナライズされた診断と治療の提案を生成するように設計されている。プライバシーに関する懸念も対処され、倫理的データ収集、処理、ユーザーの個人情報の保護に焦点が当てられている。
論文参考訳（メタデータ） (2024-09-30T19:15:05Z)
ECGformer: Leveraging transformer for ECG heartbeat arrhythmia classification [0.0]
不整脈または不整脈とも呼ばれる不整脈は不整脈を指す。深層学習は、様々な医学的課題に取り組む際、例外的な能力を示した。我々は心電図データに現れる様々な不整脈の分類のためのECGformerモデルを開発した。
論文参考訳（メタデータ） (2024-01-06T06:14:48Z)
Knowledge-Distilled Graph Neural Networks for Personalized Epileptic Seizure Detection [43.905374104261014]
そこで,本研究では,全電極から得られたデータに基づいて訓練された高度感応検知器(教師と呼ぶ)から知識を伝達し,新しい検出器(学生と呼ぶ)を学習するための新しい知識蒸留手法を提案する。どちらも軽量な実装を提供しており、脳波を記録するのに必要な電極の数を大幅に削減している。以上の結果から,脳波の少ない症例では,知識蒸留とパーソナライゼーションの両方が,発作検出の性能向上に重要な役割を担っていることが明らかとなった。
論文参考訳（メタデータ） (2023-04-03T15:37:40Z)
Using machine learning algorithms to determine the post-COVID state of a person by his rhythmogram [0.0]
心電図では,患者の術後状態のマーカーが検出された。症例の心電図信号のこのマーカーは, 術後状態の診断に有効であることが確認された。
論文参考訳（メタデータ） (2022-12-16T14:32:37Z)
A lightweight hybrid CNN-LSTM model for ECG-based arrhythmia detection [0.0]
本稿では,8種類の心不整脈と正常リズムの高精度検出のための光深度学習手法を提案する。各種心電図信号を用いた不整脈分類モデルの試作と試験を行った。
論文参考訳（メタデータ） (2022-08-29T05:01:04Z)
GeoECG: Data Augmentation via Wasserstein Geodesic Perturbation for Robust Electrocardiogram Prediction [20.8603653664403]
本稿では,心電図信号に基づく心疾患検出の堅牢性を高めるために,生理学的に着想を得たデータ拡張手法を提案する。我々は、ワッサーシュタイン空間の測地線に沿った他のクラスに対してデータ分布を摂動することで、拡張されたサンプルを得る。 12個の心電図信号から学習し,心臓状態の5つのカテゴリを識別できる。
論文参考訳（メタデータ） (2022-08-02T03:14:13Z)
An Algorithm for the Labeling and Interactive Visualization of the Cerebrovascular System of Ischemic Strokes [59.116811751334225]
VirtualDSA++は、CTAスキャンで脳血管ツリーをセグメンテーションし、ラベル付けするために設計されたアルゴリズムである。閉塞血管を同定するために,脳動脈のラベル付け機構を拡張した。本稿では,そのモデルの全ノードにおける経路の反復的体系探索という一般的な概念を紹介し,新たな対話的特徴を実現する。
論文参考訳（メタデータ） (2022-04-26T14:20:26Z)
fMRI Neurofeedback Learning Patterns are Predictive of Personal and Clinical Traits [62.997667081978825]
機能的MRI(fMRI)による自律神経運動課題における学習経過の個人的シグネチャを得る。署名は、第1セッションで同様のfMRI由来の脳の状態が与えられた後、第2セッションで扁桃体の活動を予測することに基づいている。
論文参考訳（メタデータ） (2021-12-21T06:52:48Z)
Emotion pattern detection on facial videos using functional statistics [62.997667081978825]
顔面筋運動の有意なパターンを抽出する機能的ANOVAに基づく手法を提案する。感情群間の表現に時間的差があるかどうかを関数fテストを用いて判定する。
論文参考訳（メタデータ） (2021-03-01T08:31:08Z)
Continuous Emotion Recognition via Deep Convolutional Autoencoder and Support Vector Regressor [70.2226417364135]
マシンはユーザの感情状態を高い精度で認識できることが不可欠である。ディープニューラルネットワークは感情を認識する上で大きな成功を収めている。表情認識に基づく連続的感情認識のための新しいモデルを提案する。
論文参考訳（メタデータ） (2020-01-31T17:47:16Z)

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。