論文の概要: Automatic Detection of Signalling Behaviour from Assistance Dogs as they
Forecast the Onset of Epileptic Seizures in Humans
- arxiv url: http://arxiv.org/abs/2303.06407v1
- Date: Sat, 11 Mar 2023 13:32:02 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-14 19:10:21.030602
- Title: Automatic Detection of Signalling Behaviour from Assistance Dogs as they
Forecast the Onset of Epileptic Seizures in Humans
- Title（参考訳）: ヒトのてんかん発作発生を予知する補助犬からの信号伝達行動の自動検出
- Authors: Hitesh Raju, Ankit Sharma, Aoife Smeaton, Alan F. Smeaton
- Abstract要約: セイズーレは、主にヒトの脳内で非協調的な放電によって起こる。
ペット犬は、発作が起こる前に被験者によって皮膚から放出される特徴的な揮発性有機化合物を嗅ぐことでててんかん発作の発症を検出する能力を有する。
この研究では、訓練された援助犬の信号伝達行動を自動的に検出し、これを飼い主に警告する。
- 参考スコア（独自算出の注目度）: 3.410434422468909
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Epilepsy or the occurrence of epileptic seizures, is one of the world's most
well-known neurological disorders affecting millions of people. Seizures mostly
occur due to non-coordinated electrical discharges in the human brain and may
cause damage, including collapse and loss of consciousness. If the onset of a
seizure can be forecast then the subject can be placed into a safe environment
or position so that self-injury as a result of a collapse can be minimised.
However there are no definitive methods to predict seizures in an everyday,
uncontrolled environment. Previous studies have shown that pet dogs have the
ability to detect the onset of an epileptic seizure by scenting the
characteristic volatile organic compounds exuded through the skin by a subject
prior a seizure occurring and there are cases where assistance dogs, trained to
scent the onset of a seizure, can signal this to their owner/trainer. In this
work we identify how we can automatically detect the signalling behaviours of
trained assistance dogs and use this to alert their owner. Using data from an
accelerometer worn on the collar of a dog we describe how we gathered movement
data from 11 trained dogs for a total of 107 days as they exhibited signalling
behaviour on command. We present the machine learning techniques used to
accurately detect signalling from routine dog behaviour. This work is a step
towards automatic alerting of the likely onset of an epileptic seizure from the
signalling behaviour of a trained assistance dog.
- Abstract（参考訳）: てんかんまたはてんかん発作(英: epileptic seizures)は、何百万人もの人々に影響を及ぼす、世界で最もよく知られた神経障害の一つである。
発作は、主に脳内の非協調的な放電によるものであり、崩壊や意識の喪失など、損傷を引き起こす可能性がある。
発作の発症を予知することができれば、被検体を安全な環境や位置に置くことができ、崩壊による自己損傷を最小化することができる。
しかし、日常的に制御されていない環境で発作を予測する決定的な方法はない。
従来の研究では、ペット犬は発作が起こる前の被験者によって皮膚から放出される特徴的な揮発性有機化合物を嗅ぐことでててんかん発作の発症を検出する能力があることが示されている。
この研究では、訓練された援助犬の信号伝達行動を自動的に検出し、これを飼い主に警告する。
犬の首輪に装着した加速度計のデータを用いて、私たちは11匹の訓練犬から合計107日間の移動データを収集した。
本稿では,犬の行動から信号を正確に検出する機械学習手法を提案する。
この研究は、訓練された支援犬のシグナリング行動からてんかん発作の発生可能性を自動的に警告するステップである。
関連論文リスト
- From Epilepsy Seizures Classification to Detection: A Deep Learning-based Approach for Raw EEG Signals [0.8182812460605992]
側頭葉てんかんの3分の1は薬剤耐性を示す。
抗敗血症薬開発の鍵となるのはてんかん発作の検出と定量化である。
本研究では,脳波信号に適用した深層学習モデルに基づく発作検出パイプラインを提案する。
論文 参考訳（メタデータ） (2024-10-04T12:52:37Z) - Computer Vision for Primate Behavior Analysis in the Wild [61.08941894580172]
ビデオに基づく行動監視は、動物の認知と行動を研究する方法を変える大きな可能性を秘めている。
今でも、エキサイティングな見通しと、今日実際に達成できるものの間には、かなり大きなギャップがある。
論文 参考訳（メタデータ） (2024-01-29T18:59:56Z) - An Unobtrusive and Lightweight Ear-worn System for Continuous Epileptic Seizure Detection [2.3925084916107098]
難治性てんかんを患っている人の70%は、適切に診断し治療すれば無発作で生きられる。
頭皮ベースの脳波検査は費用がかかり、入院が必要で、熟練した専門家に手術を依頼し、ユーザーに不快感を与えている。
てんかん発作の発症を検出するための,新しい軽量で控えめで社会的に許容できる耳縫いシステムであるEarSDを提案する。
論文 参考訳（メタデータ） (2024-01-01T21:06:40Z) - Seizure detection from Electroencephalogram signals via Wavelets and
Graph Theory metrics [1.62510160294292]
てんかん(てんかん、英: epilepsy)は、てんかん発作が脳の異常、過剰、同期的な活動による過度な発生である、最も一般的な神経疾患の1つである。
脳波信号は、脳から放出され、分析され、てんかん発作の検出と予測に重要な役割を果たす。
論文 参考訳（メタデータ） (2023-11-28T01:07:14Z) - Supervised and Unsupervised Deep Learning Approaches for EEG Seizure
Prediction [2.3096751699592137]
てんかんは世界中で5000万人以上の人に影響を与えており、世界でも有数の神経疾患の1つとなっている。
てんかん発作の発生を予測する能力は、てんかんの顔を持つ人のリスクやストレスを軽減する可能性がある。
入射前発作の前兆として, 正常脳波(preictal, pre-seizure)を検出する問題を定式化する。
論文 参考訳（メタデータ） (2023-04-24T05:21:10Z) - Video-based estimation of pain indicators in dogs [2.7103996289794217]
この問題に対して,新しいビデオベース2ストリームディープニューラルネットワーク手法を提案する。
ビデオ上のキーポイントとRGB表現の両方から、ボディキーポイントを抽出し、プリプロセスし、特徴を計算します。
我々は、獣医が収集し、痛みの有無を注釈した、ユニークなビデオベースの犬行動データセットを提示する。
論文 参考訳（メタデータ） (2022-09-27T10:38:59Z) - The world seems different in a social context: a neural network analysis
of human experimental data [57.729312306803955]
本研究では,先行・知覚的信号の精度を変化させることで,個人・社会的タスク設定の両方で人間の行動データを再現可能であることを示す。
トレーニングされたネットワークの神経活性化トレースの分析は、情報が個人や社会的条件のネットワークにおいて、根本的に異なる方法でコード化されていることを示す。
論文 参考訳（メタデータ） (2022-03-03T17:19:12Z) - Designing A Clinically Applicable Deep Recurrent Model to Identify
Neuropsychiatric Symptoms in People Living with Dementia Using In-Home
Monitoring Data [52.40058724040671]
鎮静は認知症において高い有病率を有する神経精神医学症状の1つである。
扇動エピソードの検出は、認知症に生きる人々(PLWD)に早期かつタイムリーな介入を提供するのに役立つ。
本研究は,家庭内モニタリングデータを用いてPLWDの動揺リスクを分析するための教師付き学習モデルを提案する。
論文 参考訳（メタデータ） (2021-10-19T11:45:01Z) - 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) - Anxiety Detection Leveraging Mobile Passive Sensing [53.11661460916551]
不安障害は、子供と成人の両方に影響を及ぼす最も一般的な精神医学的問題である。
スマートフォンから受動的かつ控えめなデータ収集を活用することは、古典的な方法の代替となるかもしれない。
eWellnessは、個人デバイスのセンサとユーザログデータの完全な適合性を、連続的かつ受動的に追跡するために設計された、実験的なモバイルアプリケーションである。
論文 参考訳（メタデータ） (2020-08-09T20:22:52Z) - 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。