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

Shape Matters: Detecting Vertebral Fractures Using Differentiable Point-Based Shape Decoding [51.38395069380457]
変性性脊椎疾患は高齢者に多い。骨粗しょう性骨折やその他の変性変形性骨折のタイムリーな診断は、重度の腰痛や障害のリスクを軽減するための前向きな処置を促進する。本研究では,脊椎動物に対する形状自動エンコーダの使用について検討する。
論文参考訳（メタデータ） (2023-12-08T18:11:22Z)
Exploring the Efficacy of Base Data Augmentation Methods in Deep Learning-Based Radiograph Classification of Knee Joint Osteoarthritis [0.12289361708127876]
変形性膝関節症 (KOA) の診断は, 微妙なX線学的指標と疾患の進展により困難である。本研究では,敵対的拡張を含む様々なデータ拡張手法について検討し,KOA分類モデルの性能に与える影響について検討した。
論文参考訳（メタデータ） (2023-11-10T15:35:00Z)
Automatic diagnosis of knee osteoarthritis severity using Swin transformer [55.01037422579516]
変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
論文参考訳（メタデータ） (2023-07-10T09:49:30Z)
A marker-less human motion analysis system for motion-based biomarker discovery in knee disorders [60.99112047564336]
NHSは低リスクの全ての患者に会うのが難しくなっているが、これはOA患者に限らない。膝関節疾患の診断と治療経過のモニタリングのためのバイオマーカー自動同定法を提案する。
論文参考訳（メタデータ） (2023-04-26T16:47:42Z)
Position-prior Clustering-based Self-attention Module for Knee Cartilage Segmentation [14.797196965853233]
膝軟骨の形態変化は変形性膝関節症の進行と密接に関連している。変形性膝関節症に対する経時的研究に有効な自動軟骨分割モデルを提案する必要がある。
論文参考訳（メタデータ） (2022-06-21T12:12:16Z)
Intelligent Sight and Sound: A Chronic Cancer Pain Dataset [74.77784420691937]
本稿では,Intelligent Sight and Sound (ISS) 臨床試験の一環として収集された,最初の慢性ガン痛データセットを紹介する。これまで収集されたデータは29の患者、509のスマートフォンビデオ、189,999のフレーム、そして自己報告された感情と活動の痛みのスコアから成っている。静的画像とマルチモーダルデータを用いて、自己報告された痛みレベルを予測する。
論文参考訳（メタデータ） (2022-04-07T22:14:37Z)
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)
Knee Osteoarthritis Severity Prediction using an Attentive Multi-Scale Deep Convolutional Neural Network [8.950918531231158]
本稿では,KellgrenおよびLawrenceグレードの分類をX線から自動的に評価する,深層学習ベースのフレームワークであるOsteHRNetを提案する。提案モデルでは,OAIデータセットのベースラインコホートにおいて,71.74%,0.311のMAEが最良である。
論文参考訳（メタデータ） (2021-06-27T17:29:46Z)
An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
論文参考訳（メタデータ） (2020-12-06T18:55:07Z)
An Interpretable End-to-end Fine-tuning Approach for Long Clinical Text [72.62848911347466]
EHRにおける非構造化臨床テキストには、意思決定支援、トライアルマッチング、振り返り研究を含むアプリケーションにとって重要な情報が含まれている。最近の研究は、これらのモデルが他のNLPドメインにおける最先端の性能を考慮し、BERTベースのモデルを臨床情報抽出およびテキスト分類に応用している。本稿では,SnipBERTという新しい微調整手法を提案する。SnipBERTは全音符を使用する代わりに,重要なスニペットを識別し,階層的に切り刻まれたBERTベースのモデルに供給する。
論文参考訳（メタデータ） (2020-11-12T17:14:32Z)

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。