Fugu-MT 論文翻訳(概要): Chronic pain detection from resting-state raw EEG signals using improved feature selection

論文の概要: Chronic pain detection from resting-state raw EEG signals using improved feature selection

arxiv url: http://arxiv.org/abs/2306.15194v1
Date: Tue, 27 Jun 2023 04:28:52 GMT
ステータス: 処理完了
システム内更新日: 2023-06-28 14:49:59.084765
Title: Chronic pain detection from resting-state raw EEG signals using improved feature selection
Title（参考訳）: 改良された特徴選択を用いた安静時脳波信号からの慢性痛覚検出
Authors: Jean Li, Dirk De Ridder, Divya Adhia, Matthew Hall, Jeremiah D. Deng
Abstract要約: 慢性痛検出のための安静時生脳波データに基づく自動アプローチを提案する。 mSFFS (Sequential Floating Forward Selection) を改良した特徴選択アルゴリズムを提案する。
参考スコア（独自算出の注目度）: 1.5899411215927988
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: We present an automatic approach that works on resting-state raw EEG data for chronic pain detection. A new feature selection algorithm - modified Sequential Floating Forward Selection (mSFFS) - is proposed. The improved feature selection scheme is rather compact but displays better class separability as indicated by the Bhattacharyya distance measures and better visualization results. It also outperforms selections generated by other benchmark methods, boosting the test accuracy to 97.5% and yielding a test accuracy of 81.4% on an external dataset that contains different types of chronic pain
Abstract（参考訳）: 慢性痛検出のための安静時生脳波データに基づく自動アプローチを提案する。 mSFFS (Sequential Floating Forward Selection) を改良した特徴選択アルゴリズムを提案する。改良された特徴選択方式は比較的コンパクトであるが,Bhattacharyya 距離測定で示されるように,クラス分離性が向上し,視覚化結果も向上した。また、他のベンチマーク手法による選択よりも優れており、テスト精度を97.5%まで向上させ、異なるタイプの慢性的な痛みを含む外部データセット上で81.4%のテスト精度をもたらす。

関連論文リスト

Efficient Data-Sketches and Fine-Tuning for Early Detection of Distributional Drift in Medical Imaging [5.1358645354733765]
本稿では,CT-Scan医療画像における分布のドリフトを検出するための,高精度かつ高感度なアプローチを提案する。我々は,リアルタイムな異常検出のための頑健なライブラリモデルを開発し,画像の効率的な比較を可能にした。乳がん画像から関連する特徴を抽出するために,視力変換器の事前訓練モデルを微調整した。
論文参考訳（メタデータ） (2024-08-15T23:46:37Z)
A Tent L\'evy Flying Sparrow Search Algorithm for Feature Selection: A COVID-19 Case Study [1.6436293069942312]
情報科学の急速な発展によって引き起こされる「次元のカルス」は、大きなデータセットを扱う際に悪影響を及ぼす可能性がある。本研究では,スナロー探索アルゴリズム(SSA)の変種であるTent L'evy Flying Sparrow Searchアルゴリズム(TFSSA)を提案する。 TFSSAは、分類のためにパッキングパターンにおける機能の最も優れたサブセットを選択するために使用される。
論文参考訳（メタデータ） (2022-09-20T15:12:10Z)
Detecting Chronic Kidney Disease(CKD) at the Initial Stage: A Novel Hybrid Feature-selection Method and Robust Data Preparation Pipeline for Different ML Techniques [0.0]
慢性腎臓病(CKD)は世界中で8億人近くに感染している。毎年約170万人が死亡している。多くの研究者は、CKDを早期に検出するために異なる機械学習(ML)手法を適用しているが、詳細な研究はいまだに欠けている。本稿では,医療データの複雑さを最適性能で扱うための構造的かつ徹底的な手法を提案する。
論文参考訳（メタデータ） (2022-03-02T20:38:49Z)
Survival Prediction of Children Undergoing Hematopoietic Stem Cell Transplantation Using Different Machine Learning Classifiers by Performing Chi-squared Test and Hyper-parameter Optimization: A Retrospective Analysis [4.067706269490143]
効率的な生存率分類モデルが包括的に提示される。欠落した値を入力し、ダミー変数符号化を用いてデータを変換し、チ二乗特徴選択を用いて59個の特徴から11個の最も相関した特徴にデータセットを圧縮することにより、合成データセットを生成する。この点に関しては、決定木(Decision Tree)、ランダムフォレスト(Random Forest)、ロジスティック回帰(Logistic Regression)、K-Nearest Neighbors(K-Nearest Neighbors)、グラディエントブースティング(Gradient Boosting)、Ada Boost(Ada Boost)、XG Boost(XG Boost)など、いくつかの教師付きML手法が訓練された。
論文参考訳（メタデータ） (2022-01-22T08:01:22Z)
Multiple Time Series Fusion Based on LSTM An Application to CAP A Phase Classification Using EEG [56.155331323304]
本研究では,深層学習に基づく脳波チャンネルの特徴レベル融合を行う。チャネル選択,融合,分類手順を2つの最適化アルゴリズムで最適化した。
論文参考訳（メタデータ） (2021-12-18T14:17:49Z)
SelectAugment: Hierarchical Deterministic Sample Selection for Data Augmentation [72.58308581812149]
そこで我々は,SelectAugmentと呼ばれる効果的な手法を提案し,決定論的かつオンラインに拡張するサンプルを選択する。具体的には、各バッチにおいて、まず増分比率を決定し、次にこの比で各トレーニングサンプルを増分するかを決定する。これにより、サンプルを増量する際のランダム性による負の効果を効果的に軽減し、DAの有効性を向上させることができる。
論文参考訳（メタデータ） (2021-12-06T08:38:38Z)
Exploring Covariate and Concept Shift for Detection and Calibration of Out-of-Distribution Data [77.27338842609153]
キャラクタリゼーションにより、OODデータの検出と信頼性校正には、それぞれのシフトに対する感度が重要であることが明らかになった。分布内データのみを用いて両シフトでのOOD検出を改善するために,幾何学的に着想を得た手法を提案する。我々は,OOD検出とキャリブレーションの両面で,異なるタイプのシフトの下でうまく機能する手法を最初に提案する。
論文参考訳（メタデータ） (2021-10-28T15:42:55Z)
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)
Cervical Cytology Classification Using PCA & GWO Enhanced Deep Features Selection [1.990876596716716]
子宮頸癌は世界でも最も致命的かつ一般的な疾患の1つである。ディープラーニングと特徴選択を利用した完全自動化フレームワークを提案する。このフレームワークは3つの公開ベンチマークデータセットで評価されている。
論文参考訳（メタデータ） (2021-06-09T08:57:22Z)
Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
論文参考訳（メタデータ） (2020-07-24T14:02:09Z)
Noisy Adaptive Group Testing using Bayesian Sequential Experimental Design [63.48989885374238]
病気の感染頻度が低い場合、Dorfman氏は80年前に、人のテストグループは個人でテストするよりも効率が良いことを示した。本研究の目的は,ノイズの多い環境で動作可能な新しいグループテストアルゴリズムを提案することである。
論文参考訳（メタデータ） (2020-04-26T23:41:33Z)

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。