論文の概要: Simple method for detecting sleep episodes in rats ECoG using machine learning

• arxiv url: http://arxiv.org/abs/2302.00933v1
• Date: Thu, 2 Feb 2023 08:23:00 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-03 14:58:38.025646
• Title: Simple method for detecting sleep episodes in rats ECoG using machine learning
• Title（参考訳）: 機械学習を用いたラットECoGの睡眠時変化の簡易検出法
• Authors: Konstantin Sergeev, Anastasiya Runnova, Maxim Zhuravlev, Evgenia Sitnikova, Elizaveta Rutskova, Kirill Smirnov, Andrei Slepnev, Nadezhda Semenova
• Abstract要約: そこで本研究では,ラットにおける行動睡眠状態(BS)と覚醒状態(WS)の自動認識法を提案する。 右前頭葉,右前頭葉,右前頭葉の3チャンネルのECoG信号が記録された。 その結果,ANN分類の精度はECoGチャネルに依存しないことがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper we propose a new method for the automatic recognition of the state of behavioral sleep (BS) and waking state (WS) in freely moving rats using their electrocorticographic (ECoG) data. Three-channels ECoG signals were recorded from frontal left, frontal right and occipital right cortical areas. We employed a simple artificial neural network (ANN), in which the mean values and standard deviations of ECoG signals from two or three channels were used as inputs for the ANN. Results of wavelet-based recognition of BS/WS in the same data were used to train the ANN and evaluate correctness of our classifier. We tested different combinations of ECoG channels for detecting BS/WS. Our results showed that the accuracy of ANN classification did not depend on ECoG-channel. For any ECoG-channel, networks were trained on one rat and applied to another rat with an accuracy of at least 80~\%. Itis important that we used a very simple network topology to achieve a relatively high accuracy of classification. Our classifier was based on a simple linear combination of input signals with some weights, and these weights could be replaced by the averaged weights of all trained ANNs without decreases in classification accuracy. In all, we introduce a new sleep recognition method that does not require additional network training. It is enough to know the coefficients and the equations suggested in this paper. The proposed method showed very fast performance and simple computations, therefore it could be used in real time experiments. It might be of high demand in preclinical studies in rodents that require vigilance control or monitoring of sleep-wake patterns.
• Abstract（参考訳）: 本稿では,心電図データを用いた自由移動ラットにおける行動睡眠状態(BS)と覚醒状態(WS)の自動認識法を提案する。 右前頭葉,右前頭葉,右前頭葉の3チャンネルECoG信号が得られた。 我々は,ANNの入力として,2チャンネルまたは3チャンネルからのECoG信号の平均値と標準偏差を用いた,単純な人工ニューラルネットワーク(ANN)を用いた。 ウェーブレットによる同一データにおけるBS/WSの認識結果を用いて,ANNを訓練し,分類器の正当性を評価する。 BS/WSを検出するためのECoGチャネルの異なる組み合わせを検討した。 その結果,ANN分類の精度はECoGチャネルに依存しないことがわかった。 任意のECoGチャネルに対して、ネットワークは1匹のラットで訓練され、少なくとも80~\%の精度で別のラットに適用された。 非常に単純なネットワークトポロジを用いて比較的高い分類精度を実現することが重要である。 分類器は入力信号といくつかの重みの単純な線形結合に基づいており、これらの重みは分類精度を低下させることなく、訓練された全アンの平均重みに置き換えることができた。 本稿では,ネットワークトレーニングを必要とせず,新たな睡眠認識手法を提案する。 この論文で示唆される係数と方程式を知るには十分である。 提案手法は非常に高速で簡単な計算が可能であり,実時間実験で使用することができる。 予防管理や睡眠覚醒パターンのモニタリングを必要とするげっ歯類の前臨床研究には高い需要があるかもしれない。

関連論文リスト

• Classifying Nodes in Graphs without GNNs [50.311528896010785]
  本稿では,完全GNNフリーなノード分類手法を提案する。 本手法は, 滑らかさ制約, 擬似ラベル反復, 近傍ラベルヒストグラムの3つの主要成分からなる。
  論文  参考訳（メタデータ） (2024-02-08T18:59:30Z)
• Towards small and accurate convolutional neural networks for acoustic biodiversity monitoring [0.0]
  CNNは推論時に高速で、優れた分類性能を実現する。 熱帯雨林の生態系からの録音が使用された。 RF持続時間は分類性能の主要な要因であった。
  論文  参考訳（メタデータ） (2023-12-06T18:34:01Z)
• Convolutional Neural Networks for the classification of glitches in gravitational-wave data streams [52.77024349608834]
  我々は、高度LIGO検出器のデータから過渡ノイズ信号(グリッチ)と重力波を分類する。 どちらも、Gravity Spyデータセットを使用して、スクラッチからトレーニングされた、教師付き学習アプローチのモデルを使用します。 また、擬似ラベルの自動生成による事前学習モデルの自己教師型アプローチについても検討する。
  論文  参考訳（メタデータ） (2023-03-24T11:12:37Z)
• Node-wise Domain Adaptation Based on Transferable Attention for Recognizing Road Rage via EEG [0.0]
  道路の怒りは注目に値する社会問題だが、これまではほとんど研究されていない。 本稿では,伝達性アテンション(TA)と正規化グラフニューラルネットワーク(RGNN)を組み合わせたモデルを提案する。 被験者10名を募集し, 模擬運転条件下での快楽, 怒り状態における脳波信号の収集を行った。
  論文  参考訳（メタデータ） (2022-11-06T13:40:25Z)
• Predicting Sleeping Quality using Convolutional Neural Networks [6.236890292833385]
  本稿では,分類性能を向上させる畳み込みニューラルネットワーク(CNN)アーキテクチャを提案する。 従来の機械学習手法を含む様々な手法から分類性能をベンチマークする。 精度、感度、特異性、精度、リコール、Fスコアが報告され、研究をシミュレートするためのベースラインとして機能する。
  論文  参考訳（メタデータ） (2022-04-24T21:48:54Z)
• DAAIN: Detection of Anomalous and Adversarial Input using Normalizing Flows [52.31831255787147]
  我々は、アウト・オブ・ディストリビューション(OOD)インプットと敵攻撃(AA)を検出する新しい手法であるDAINを導入する。 本手法は,ニューラルネットワークの内部動作を監視し,活性化分布の密度推定器を学習する。 当社のモデルは,特別なアクセラレータを必要とせずに,効率的な計算とデプロイが可能な単一のGPUでトレーニングすることが可能です。
  論文  参考訳（メタデータ） (2021-05-30T22:07:13Z)
• Implementing a foveal-pit inspired filter in a Spiking Convolutional Neural Network: a preliminary study [0.0]
  我々は,網膜卵管刺激によるガウスフィルタとランク順符号化の差異を取り入れたスポーキング畳み込みニューラルネットワーク(SCNN)を提示した。 このモデルは、Nengoライブラリーで実装されているように、スパイキングニューロンで動作するように適応されたバックプロパゲーションアルゴリズムの変種を用いて訓練される。 ネットワークは最大90%の精度で達成され、損失はクロスエントロピー関数を用いて計算される。
  論文  参考訳（メタデータ） (2021-05-29T15:28:30Z)
• Train your classifier first: Cascade Neural Networks Training from upper layers to lower layers [54.47911829539919]
  我々は,高品質な分類器を探索するアルゴリズムとして見ることのできる,新しいトップダウン学習手法を開発した。 本研究では,自動音声認識(ASR)タスクと言語モデリングタスクについて検討した。 提案手法は,Wall Street Journal 上でのリカレントニューラルネットワーク ASR モデル,Switchboard 上での自己注意型 ASR モデル,WikiText-2 上での AWD-LSTM 言語モデルなど,一貫して改善されている。
  論文  参考訳（メタデータ） (2021-02-09T08:19:49Z)
• On the Equivalence of Decoupled Graph Convolution Network and Label Propagation [60.34028546202372]
  いくつかの研究は、カップリングがデカップリングよりも劣っていることを示している。 有効性にもかかわらず、疎結合GCNの作用機構はよく理解されていない。 本稿では,分離GCNの欠陥を克服する適応的学習法(PTA)を提案する。
  論文  参考訳（メタデータ） (2020-10-23T13:57:39Z)
• Transfer Learning and SpecAugment applied to SSVEP Based BCI Classification [1.9336815376402716]
  我々は、ディープ畳み込みニューラルネットワーク(DCNN)を使用して、単一チャネル脳-コンピュータインタフェース(BCI)で脳波信号を分類する。 脳波信号はスペクトログラムに変換され、転送学習技術を用いてDCNNを訓練するための入力として機能した。
  論文  参考訳（メタデータ） (2020-10-08T00:30:12Z)
• 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)

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。