論文の概要: K-complex Detection Using Fourier Spectrum Analysis In EEG
- arxiv url: http://arxiv.org/abs/2307.01754v1
- Date: Tue, 4 Jul 2023 14:51:03 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-06 16:52:22.264324
- Title: K-complex Detection Using Fourier Spectrum Analysis In EEG
- Title（参考訳）: 脳波のフーリエスペクトル解析を用いたK複合検出
- Authors: Alexey Protopopov
- Abstract要約: K複合体は脳活動の重要なマーカーであり、臨床で睡眠スコアや研究に使用される。
従来の研究は、提案手法の有効性を定量化するために、真正の値と偽正の値に依存してきた。
本研究の目的は、より正確なメトリクスの集合を見つけ、それらを新しいK-複素検出法の開発に利用することである。
- 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: K-complexes are an important marker of brain activity and are used both in
clinical practice to perform sleep scoring, and in research. However, due to
the size of electroencephalography (EEG) records, as well as the subjective
nature of K-complex detection performed by somnologists, it is reasonable to
automate K-complex detection. Previous works in this field of research have
relied on the values of true positive rate and false positive rate to quantify
the effectiveness of proposed methods, however this set of metrics may be
misleading. The objective of the present research is to find a more accurate
set of metrics and use them to develop a new method of K-complex detection,
which would not rely on neural networks. Thus, the present article proposes two
new methods for K-complex detection based on the fast Fourier transform. The
results achieved demonstrated that the proposed methods offered a quality of
K-complex detection that is either similar or superior to the quality of the
methods demonstrated in previous works, including the methods employing neural
networks, while requiring less computational power, meaning that K-complex
detection does not require the use of neural networks. The proposed methods
were evaluated using a new set of metrics, which is more representative of the
quality of K-complex detection.
- Abstract（参考訳）: k-複合体は脳活動の重要なマーカーであり、臨床実践において睡眠得点と研究の両方に使用される。
しかし、脳波記録(EEG)のサイズや、社会学者によるK-複合体検出の主観的性質から、K-複合体検出の自動化は妥当である。
この分野でのこれまでの研究は、提案手法の有効性を定量化するために真正の値と偽正の値に依存してきたが、この指標のセットは誤解を招く可能性がある。
本研究の目的は、より正確なメトリクス集合を見つけ、それらをニューラルネットワークに依存しない新しいk-複素検出法の開発に用いることである。
そこで本研究では,高速フーリエ変換に基づく2つのK-複素検出手法を提案する。
その結果、提案手法は、ニューラルネットワークを用いた手法を含む従来の研究で示されていた手法の質と似ているか、あるいは優れているかのどちらかを提供するが、計算能力は低いため、K-複素検出はニューラルネットワークの使用を必要としないことがわかった。
提案手法は,K-コンプレックス検出の品質を示す新しい指標を用いて評価した。
関連論文リスト
- Multi-Parameter Molecular MRI Quantification using Physics-Informed Self-Supervised Learning [0.0]
生体物理モデルフィッティングは、生理的信号や画像から定量的パラメータを得る上で重要な役割を果たしている。
本稿では,常微分方程式(ODE)モデルを用いてパラメータ抽出逆問題の解法を提案する。
これは、数値ODEソルバをステップワイズ解析として機能させ、自動微分に基づく最適化と互換性を持たせることで実現される。
論文 参考訳（メタデータ） (2024-11-10T12:40:33Z) - GLCM-Based Feature Combination for Extraction Model Optimization in Object Detection Using Machine Learning [0.0]
本研究の目的は,GLCMフレームワーク内で適切な特徴を選択することにより,計算効率を向上させることである。
K-Nearest Neighbours(K-NN)とSVM(Support Vector Machine)の2つの分類モデルが採用された。
その結果,K-NNは計算複雑性の点でSVMよりも優れていた。
論文 参考訳（メタデータ） (2024-04-06T10:16:33Z) - K-Space-Aware Cross-Modality Score for Synthesized Neuroimage Quality
Assessment [71.27193056354741]
クロスモダリティな医用画像合成をどう評価するかという問題は、ほとんど解明されていない。
本稿では,この課題の進展を促すため,新しい指標K-CROSSを提案する。
K-CROSSは、トレーニング済みのマルチモードセグメンテーションネットワークを使用して、病変の位置を予測する。
論文 参考訳（メタデータ） (2023-07-10T01:26:48Z) - Quality control for more reliable integration of deep learning-based
image segmentation into medical workflows [0.23609258021376836]
本稿では,その出力の確実性を推定するために,最先端自動品質制御(QC)手法の解析を行う。
磁気共鳴画像データにおける白色物質の超強度(WMH)を識別する脳画像分割タスクにおける最も有望なアプローチを検証した。
論文 参考訳（メタデータ） (2021-12-06T16:30:43Z) - Real-time landmark detection for precise endoscopic submucosal
dissection via shape-aware relation network [51.44506007844284]
内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。
まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。
次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
論文 参考訳（メタデータ） (2021-11-08T07:57:30Z) - Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based
Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。
我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文 参考訳（メタデータ） (2021-10-27T19:28:36Z) - A deep learning driven pseudospectral PCE based FFT homogenization
algorithm for complex microstructures [68.8204255655161]
提案手法は,従来の手法よりも高速に評価できる一方で,興味の中心モーメントを予測できることを示す。
提案手法は,従来の手法よりも高速に評価できると同時に,興味の中心モーメントを予測できることを示す。
論文 参考訳（メタデータ） (2021-10-26T07:02:14Z) - Deep neural networks approach to microbial colony detection -- a
comparative analysis [52.77024349608834]
本稿では,AGARデータセットを用いた3つの深層学習手法の性能について検討する。
得られた結果は将来の実験のベンチマークとして機能するかもしれない。
論文 参考訳（メタデータ） (2021-08-23T12:06:00Z) - Estimation of the Mean Function of Functional Data via Deep Neural
Networks [6.230751621285321]
関数データに対して非パラメトリック回帰を行うディープニューラルネットワーク手法を提案する。
本手法は,アルツハイマー病患者における陽電子放出トモグラフィ画像の解析に用いる。
論文 参考訳（メタデータ） (2020-12-08T17:18:16Z) - Towards Interaction Detection Using Topological Analysis on Neural
Networks [55.74562391439507]
ニューラルネットワークでは、あらゆる相互作用する特徴は共通の隠蔽ユニットとの強い重み付けの接続に従う必要がある。
本稿では, 永続的ホモロジーの理論に基づいて, 相互作用強度を定量化するための新しい尺度を提案する。
PID(Persistence Interaction Detection)アルゴリズムを開発した。
論文 参考訳（メタデータ） (2020-10-25T02:15:24Z)
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。