論文の概要: Universal Sleep Decoder: Aligning awake and sleep neural representation
across subjects
- arxiv url: http://arxiv.org/abs/2309.16457v2
- Date: Sun, 11 Feb 2024 17:49:49 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-13 22:18:08.171077
- Title: Universal Sleep Decoder: Aligning awake and sleep neural representation
across subjects
- Title(参考訳): universal sleep decoder: 被験者間の覚醒と睡眠の神経表現の調整
- Authors: Zhongtao Chen, Hui Zheng, Haiteng Wang, Jianyang Zhou, Lin Zheng,
Yunzhe Liu
- Abstract要約: 睡眠中の脳活動から記憶内容をデコードすることは、神経科学の長年の目標である。
我々は,新しい認知神経科学実験を設計し,脳波(EEG)データセットを総合的に収集した。
被験者間での覚醒と睡眠の神経表現を協調させるユニバーサルスリープデコーダ(USD)を開発した。
- 参考スコア(独自算出の注目度): 5.879504043177957
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Decoding memory content from brain activity during sleep has long been a goal
in neuroscience. While spontaneous reactivation of memories during sleep in
rodents is known to support memory consolidation and offline learning,
capturing memory replay in humans is challenging due to the absence of
well-annotated sleep datasets and the substantial differences in neural
patterns between wakefulness and sleep. To address these challenges, we
designed a novel cognitive neuroscience experiment and collected a
comprehensive, well-annotated electroencephalography (EEG) dataset from 134
subjects during both wakefulness and sleep. Leveraging this benchmark dataset,
we developed the Universal Sleep Decoder (USD) to align neural representations
between wakefulness and sleep across subjects and a real-time staging model
comparable to offline staging algorithms. Our model achieves up to 23.00% and
21.15% offline, as well as 22.6% and 20.4% real-time top-1 zero-shot real-time
decoding accuracy on unseen subjects for N2/3 stage and REM stage, which is
much higher than the decoding performances using individual sleep data.
Furthermore, fine-tuning USD on test subjects enhances decoding accuracy to
29.20% and 30.47% offline, as well as 27.9% and 29.4% real-time top-1 accuracy,
a substantial improvement over the baseline chance of 6.7%. Model comparison
and ablation analyses reveal that our design choices, including the use of (i)
an additional contrastive objective to integrate awake and sleep neural signals
and (ii) a shared encoder to enhance the alignment of awake and sleep neural
signals, significantly contribute to these performances. Collectively, our
findings and methodologies represent a significant advancement in the field of
sleep decoding.
- Abstract(参考訳): 睡眠中の脳活動から記憶内容を復号することは、長い間神経科学の目標だった。
げっ歯類における睡眠中の記憶の自発的再活性化は、記憶の強化とオフライン学習を支援することが知られているが、人間の記憶再生は、注意深い睡眠データセットの欠如と、覚醒と睡眠の間の神経パターンの実質的な違いのために困難である。
これらの課題に対処するため、我々は新しい認知神経科学実験を設計し、覚醒と睡眠の間に134人の被験者から包括的、注意深い脳波(EEG)データセットを収集した。
このベンチマークデータセットを活用することで、被験者間での覚醒と睡眠の神経表現と、オフラインステージングアルゴリズムに匹敵するリアルタイムステージングモデルとを整合させるUniversal Sleep Decoder(USD)を開発した。
このモデルは最大23.00%と21.15%のオフラインと22.6%と20.4%のリアルタイムtop-1ゼロショットデコード精度を実現し、n2/3ステージとremステージでは、個々の睡眠データを用いたデコード性能よりもはるかに高い。
さらに、テスト対象者のusdはデコード精度を29.20%と30.47%に向上させ、27.9%と29.4%のリアルタイムtop-1精度を向上させた。
モデル比較とアブレーション分析により、我々の設計選択が明らかになる。
(i)覚醒と睡眠の神経信号を統合するための追加の対照目的
(ii)覚醒・睡眠神経信号のアライメントを強化する共有エンコーダは、これらの性能に大きく寄与する。
総じて、我々の発見と方法論は睡眠デコードの分野で重要な進歩を示している。
関連論文リスト
- Insomnia Identification via Electroencephalography [0.0]
全世界で推定5000万人が不眠症に罹患していると考えられている。
本研究では、深層学習を用いて不眠症患者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) (2024-02-09T08:59:37Z) - Sleep Model -- A Sequence Model for Predicting the Next Sleep Stage [18.059360820527687]
単チャンネル脳波(EEG)、脳電図(EOG)、筋電図(EMG)、心電図(ECG)などの単純なセンサーを用いた睡眠段階分類が注目されている。
本研究では、次の睡眠段階を予測する睡眠モデルを提案し、睡眠分類精度を向上させるために使用した。
論文 参考訳(メタデータ) (2023-02-17T07:37:54Z) - Sleep Activity Recognition and Characterization from Multi-Source
Passively Sensed Data [67.60224656603823]
睡眠活動認識法は、被験者の睡眠覚醒サイクルを評価し、監視し、特徴づけ、行動の変化を検出する指標を提供することができる。
本稿では,スマートフォンから受動的に知覚されたデータを連続的に操作して,睡眠の特徴を識別し,重要な睡眠エピソードを識別する一般的な方法を提案する。
これらの装置は、その用途により、連続的で客観的で非侵襲的な方法で被験者の生体リズムをプロファイルするための優れた代替データ源となっている。
論文 参考訳(メタデータ) (2023-01-17T15:18:45Z) - Heterogeneous Hidden Markov Models for Sleep Activity Recognition from
Multi-Source Passively Sensed Data [67.60224656603823]
精神科患者の受動的活動監視は、リアルタイムでの行動変化を検出するために不可欠である。
睡眠行動認識は、患者の活動サイクルを表現する行動マーカーである。
スマートフォンから受動的に検出されたデータは、患者の生体リズムに優れた代替手段である。
論文 参考訳(メタデータ) (2022-11-08T17:29:40Z) - Continual learning benefits from multiple sleep mechanisms: NREM, REM,
and Synaptic Downscaling [51.316408685035526]
先行学習を失うことなく、新しいタスクやスキルを連続して学習することは、人工ニューラルネットワークと生物学的ニューラルネットワークの両方にとって、計算上の課題である。
本稿では,3つの異なる睡眠成分のモデル化が,人工ニューラルネットワークの連続学習にどのように影響するかを検討する。
論文 参考訳(メタデータ) (2022-09-09T13:45:27Z) - Sleep Staging Based on Serialized Dual Attention Network [0.0]
生の脳波に基づく深層学習モデルSDANを提案する。
チャネルアテンションと空間アテンション機構を連続的に組み合わせて、キー情報をフィルタリングしハイライトする。
他の方法と比較して、N1睡眠期において優れた結果が得られる。
論文 参考訳(メタデータ) (2021-07-18T13:18:12Z) - Sleep syndromes onset detection based on automatic sleep staging
algorithm [0.0]
高速フーリエ変換は、脳波記録の30秒間のエポックに応用され、局所的な時間周波数情報を提供する。
深層畳み込みLSTMニューラルネットワークは睡眠段階分類のために訓練されている。
コード評価の結果、精度は86.43、精度は77.76、リコールは93,32, F1スコアは89.12、最終誤差は0.09だった。
論文 参考訳(メタデータ) (2021-07-07T15:38:47Z) - Convolutional Neural Networks for Sleep Stage Scoring on a Two-Channel
EEG Signal [63.18666008322476]
睡眠障害は、世界中の主要な病気の1つです。
専門家が使用する基本的なツールはPolysomnogramで、睡眠中に記録された様々な信号の集合である。
専門家は、標準的なガイドラインの1つに従って異なる信号を採点する必要があります。
論文 参考訳(メタデータ) (2021-03-30T09:59:56Z) - MSED: a multi-modal sleep event detection model for clinical sleep
analysis [62.997667081978825]
ポリソムノグラムで睡眠イベントを共同検出する,単一のディープニューラルネットワークアーキテクチャを設計した。
モデルの性能は,F1,精度,リコールスコア,および指標値と臨床値との相関で定量化した。
論文 参考訳(メタデータ) (2021-01-07T13:08:44Z) - 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) - Classifying sleep-wake stages through recurrent neural networks using
pulse oximetry signals [0.0]
自律神経系の調節は睡眠段階によって変化する。
我々はこれらの変化を利用して、覚醒または睡眠中の睡眠段階をパルスオキシメータ信号を用いて分類する。
心拍数と末梢酸素飽和信号にリカレントニューラルネットワークを適用し,30秒毎に睡眠ステージを分類した。
論文 参考訳(メタデータ) (2020-08-07T21:43:46Z)
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。