論文の概要: Shorter Latency of Real-time Epileptic Seizure Detection via Probabilistic Prediction

• arxiv url: http://arxiv.org/abs/2301.03465v2
• Date: Wed, 28 Jun 2023 04:40:48 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-29 18:08:59.104963
• Title: Shorter Latency of Real-time Epileptic Seizure Detection via Probabilistic Prediction
• Title（参考訳）: 確率的予測によるリアルタイムてんかん発作検出の遅延短縮
• Authors: Yankun Xu, Jie Yang, Wenjie Ming, Shuang Wang, and Mohamad Sawan
• Abstract要約: 本稿では,確率的予測によるてんかん発作検出遅延の短縮を目的とした新しいディープラーニングフレームワークを提案する。 提案手法は,CHB-MITの頭蓋内EEGデータセットとSWEC-ETHZの頭蓋内EEGデータセットである。 得られた検出レイテンシは, 従来研究で報告された最先端結果よりも少なくとも50%短い。
• 参考スコア（独自算出の注目度）: 6.480989310008518
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Although recent studies have proposed seizure detection algorithms with good sensitivity performance, there is a remained challenge that they were hard to achieve significantly short detection latency in real-time scenarios. In this manuscript, we propose a novel deep learning framework intended for shortening epileptic seizure detection latency via probabilistic prediction. We are the first to convert the seizure detection task from traditional binary classification to probabilistic prediction by introducing a crossing period from seizure-oriented EEG recording and proposing a labeling rule using soft-label for crossing period samples. And, a novel multiscale STFT-based feature extraction method combined with 3D-CNN architecture is proposed to accurately capture predictive probabilities of samples. Furthermore, we also propose rectified weighting strategy to enhance predictive probabilities, and accumulative decision-making rule to achieve significantly shorter detection latency. We implement the proposed framework on two prevalent datasets -- CHB-MIT scalp EEG dataset and SWEC-ETHZ intracranial EEG dataset in patient-specific leave-one-seizure-out cross-validation scheme. Eventually, the proposed algorithm successfully detected 94 out of 99 seizures during crossing period and 100% seizures detected after EEG onset, averaged 14.84% rectified predictive ictal probability (RPIP) errors of crossing samples, 2.3 s detection latency, 0.08/h false detection rate (FDR) on CHB-MIT dataset. Meanwhile, 84 out of 89 detected seizures during crossing period, 100% detected seizures after EEG onset, 16.17% RPIP errors, 4.7 s detection latency, and 0.08/h FDR are achieved on SWEC-ETHZ dataset. The obtained detection latencies are at least 50% shorter than state-of-the-art results reported in previous studies.
• Abstract（参考訳）: 近年の研究では、感度性能のよい発作検出アルゴリズムが提案されているが、リアルタイムシナリオにおいて検出遅延を大幅に短縮することは困難である。 本稿では,確率的予測によるてんかん発作検出遅延の短縮を目的とした,新しいディープラーニングフレームワークを提案する。 我々は,従来の二分法から確率予測への変換を,発作指向脳波記録から横断周期を導入し,ソフトラベルを用いたラベル付け規則を提案することで行った。 また, 3D-CNNアーキテクチャと組み合わせたSTFTを用いた新しい特徴抽出手法を提案し, サンプルの予測確率を正確に把握する。 さらに,予測確率を高めるための修正重み付け戦略と,検出遅延を大幅に短縮する累積決定ルールを提案する。 提案手法は,患者固有の離脱1回限りのクロスバリデーション方式において,CHB-MIT scalp EEG データセットと SWEC-ETHZ 頭蓋内 EEG データセットに実装されている。 提案手法は, 交差期99例中94例, 脳波開始後100%の発作検出に成功し, 平均14.84%の正規化予測ictal probability (rpip) 誤差, 2.3 s検出遅延, 0.08/h偽検出率 (fdr) をchb-mitデータセット上で検出した。 一方、交差期間中に検出された89例中84例、脳波開始後に100%検出された発作、16.17%のrpipエラー、4.7 s検出遅延、0.08/h fdrがswec-ethzデータセット上で達成されている。 得られた検出レイテンシは, 従来研究で報告された最先端結果よりも少なくとも50%短い。

関連論文リスト

• SepsisLab: Early Sepsis Prediction with Uncertainty Quantification and Active Sensing [67.8991481023825]
  セプシスは米国での院内死亡の主な原因である。 既存の予測モデルは通常、情報不足の少ない高品質なデータで訓練される。 限られた観察により信頼性の低い高リスク患者に対して,ロバストな能動センシングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-07-24T04:47:36Z)
• Preictal Period Optimization for Deep Learning-Based Epileptic Seizure Prediction [0.0]
  我々は頭皮脳波(EEG)信号を用いた発作予測のための競合的深層学習モデルを開発した。 オープンアクセス型CHB-MITデータセットを対象とした19名の小児患者を対象に,本モデルを訓練・評価した。 各患者のOPPを用いて、平均感度は99.31%、特異性は95.34%、AUCは99.35%、F1-スコアは97.46%と正しく同定された。
  論文  参考訳（メタデータ） (2024-07-20T13:49:14Z)
• Uncertainty-Calibrated Test-Time Model Adaptation without Forgetting [55.17761802332469]
  テスト時間適応(TTA)は、与えられたモデルw.r.t.を任意のテストサンプルに適用することにより、トレーニングデータとテストデータの間の潜在的な分散シフトに取り組むことを目指している。 事前の手法は各テストサンプルに対してバックプロパゲーションを実行するため、多くのアプリケーションに対して許容できない最適化コストがかかる。 本稿では, 有効サンプル選択基準を策定し, 信頼性および非冗長なサンプルを同定する, 効率的なアンチフォッティングテスト時間適応法を提案する。
  論文  参考訳（メタデータ） (2024-03-18T05:49:45Z)
• Epilepsy Seizure Detection and Prediction using an Approximate Spiking Convolutional Transformer [12.151626573534001]
  本稿では, てんかん発作セグメントを検出し, 予測するために, ニューロモルフィック・スパイキング・コンボリューション・トランス (Spking Convolutional Transformer) を提案する。 ボストン小児病院-MIT(CHB-MIT)脳波データセットを用いたスパイキング・コンフォーマーモデルによる評価結果について報告する。 生の脳波データを入力として使用することにより、提案されたスパイキングコンフォーマーの平均感度は94.9%、特異度は99.3%に達した。
  論文  参考訳（メタデータ） (2024-01-21T19:23:56Z)
• Hierarchical Semi-Supervised Contrastive Learning for Contamination-Resistant Anomaly Detection [81.07346419422605]
  異常検出は、通常のデータ分布から逸脱したサンプルを特定することを目的としている。 コントラスト学習は、異常の効果的な識別を可能にする表現のサンプル化に成功している。 汚染耐性異常検出のための新しい階層型半教師付きコントラスト学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-07-24T18:49:26Z)
• SOUL: An Energy-Efficient Unsupervised Online Learning Seizure Detection Classifier [68.8204255655161]
  神経活動を記録して発作を検出するインプラントデバイスは、発作を抑えるために警告を発したり神経刺激を誘発したりするために採用されている。 移植可能な発作検出システムでは、低出力で最先端のオンライン学習アルゴリズムを使用して、神経信号のドリフトに動的に適応することができる。 SOULはTSMCの28nmプロセスで0.1mm2を占め、1.5nJ/分級エネルギー効率を実現した。
  論文  参考訳（メタデータ） (2021-10-01T23:01:20Z)
• An End-to-End Deep Learning Approach for Epileptic Seizure Prediction [4.094649684498489]
  畳み込みニューラルネットワーク(CNN)を用いたエンドツーエンドディープラーニングソリューションを提案する。 総合感度、誤予測率、受信機動作特性曲線下の面積は、それぞれ2つのデータセットで93.5%、0.063/h、0.981、98.8%、0.074/h、0.988に達する。
  論文  参考訳（メタデータ） (2021-08-17T05:49:43Z)
• Random Forest classifier for EEG-based seizure prediction [0.12183405753834559]
  本稿では,機械学習を用いたてんかん発作予測手法を提案する。 発作予測地平線(SPH)を5分,発作発生期間(SOP)を30分とするベンチマーク頭皮脳波CHB-MITデータセットの20例について検討した。 提案手法は感度82.07 %,低偽陽性率0.0799/hを実現している。
  論文  参考訳（メタデータ） (2021-06-02T15:46:35Z)
• Real-Time Anomaly Detection in Edge Streams [49.26098240310257]
  マイクロクラスタ異常の検出に焦点を当てたMIDASを提案する。 さらに、アルゴリズムの内部状態に異常が組み込まれている問題を解くために、MIDAS-Fを提案する。 実験の結果,MIDAS-Fの精度はMIDASよりも有意に高かった。
  論文  参考訳（メタデータ） (2020-09-17T17:59:27Z)
• Optimally Displaced Threshold Detection for Discriminating Binary Coherent States Using Imperfect Devices [50.09039506170243]
  雑音や不完全な装置を用いた現実的な状況下で、最適変位しきい値検出(ODTD)を有する一般化されたケネディ受信機の性能を解析的に検討する。 提案アルゴリズムは,既存の手法よりも低次かつスムーズな誤り確率が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-21T21:52:29Z)

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。