論文の概要: A Review on the Applications of Machine Learning for Tinnitus Diagnosis Using EEG Signals

• arxiv url: http://arxiv.org/abs/2310.18795v1
• Date: Sat, 28 Oct 2023 19:49:43 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-31 16:30:50.963098
• Title: A Review on the Applications of Machine Learning for Tinnitus Diagnosis Using EEG Signals
• Title（参考訳）: 脳波信号を用いたニットス診断における機械学習の応用
• Authors: Farzaneh Ramezani, Hamidreza Bolhasani
• Abstract要約: チニトゥス(Tinnitus)は、年齢、聴覚障害、大きな騒音、耳の感染症や腫瘍、特定の薬物、頭や首の怪我、不安や抑うつなどの心理的状態など、様々な要因によって引き起こされる耳疾患である。 この病気の早期発見を支援するため、スチニタス検出の新しい開発が進められている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Tinnitus is a prevalent hearing disorder that can be caused by various factors such as age, hearing loss, exposure to loud noises, ear infections or tumors, certain medications, head or neck injuries, and psychological conditions like anxiety and depression. While not every patient requires medical attention, about 20% of sufferers seek clinical intervention. Early diagnosis is crucial for effective treatment. New developments have been made in tinnitus detection to aid in early detection of this illness. Over the past few years, there has been a notable growth in the usage of electroencephalography (EEG) to study variations in oscillatory brain activity related to tinnitus. However, the results obtained from numerous studies vary greatly, leading to conflicting conclusions. Currently, clinicians rely solely on their expertise to identify individuals with tinnitus. Researchers in this field have incorporated various data modalities and machine-learning techniques to aid clinicians in identifying tinnitus characteristics and classifying people with tinnitus. The purpose of writing this article is to review articles that focus on using machine learning (ML) to identify or predict tinnitus patients using EEG signals as input data. We have evaluated 11 articles published between 2016 and 2023 using a systematic literature review (SLR) method. This article arranges perfect summaries of all the research reviewed and compares the significant aspects of each. Additionally, we performed statistical analyses to gain a deeper comprehension of the most recent research in this area. Almost all of the reviewed articles followed a five-step procedure to achieve the goal of tinnitus. Disclosure. Finally, we discuss the open affairs and challenges in this method of tinnitus recognition or prediction and suggest future directions for research.
• Abstract（参考訳）: 耳鳴症は、年齢、聴力の喪失、大きな騒音への曝露、耳の感染症または腫瘍、特定の薬品、頭や首の怪我、不安や抑うつなどの心理的状態など様々な要因によって引き起こされる、一般的な聴覚障害である。 すべての患者が医療的注意を必要とするわけではないが、約20%の患者が臨床介入を求めている。 早期診断は効果的な治療に不可欠である。 この病気の早期発見を支援するため、スチニタス検出の新しい開発が進められている。 過去数年間、耳鳴に関連する発振性脳活動の変動を研究するために、脳波(eeg)の使用が顕著に増加してきた。 しかし、多くの研究から得られた結果は大きく異なり、矛盾する結論に繋がる。 現在、臨床医は耳鳴症患者を識別するために専門知識のみに頼っている。 この分野の研究者は、臨床医が耳鳴の特徴を識別し、耳鳴を分類するのを助けるために、さまざまなデータモダリティと機械学習技術を導入している。 本論文は,脳波信号を入力データとして用いたチニタス患者の識別・予測に機械学習(ML)を用いることに焦点を当てた論文をレビューすることを目的とする。 2016年から2023年の間に11の論文を体系的文献レビュー(slr)手法で評価した。 この記事では、レビューされたすべての研究の完全な要約を整理し、それぞれの重要な側面を比較します。 さらに,この領域における最近の研究をより深く理解するために,統計解析を行った。 レビューされた記事のほとんど全てが、ティンニトゥスの目標を達成するための5段階の手順に従っていた。 開示。 最後に,本手法のオープン・シチュエーションと課題について議論し,今後の研究の方向性を示唆する。

関連論文リスト

• Selfsupervised learning for pathological speech detection [0.0]
  音声生成は、様々な神経変性疾患による影響と破壊を受けやすい。 これらの障害は、異常な発声パターンと不正確な調音を特徴とする病的発声を引き起こす。 ニューロタイプ話者とは異なり、言語障害や障害のある患者は、AlexaやSiriなど、さまざまなバーチャルアシスタントにアクセスできない。
  論文  参考訳（メタデータ） (2024-05-16T07:12:47Z)
• Empowering Precision Medicine: AI-Driven Schizophrenia Diagnosis via EEG Signals: A Comprehensive Review from 2002-2023 [9.537346116129068]
  統合失調症(英: Schizophrenia, SZ)は、認知、感情、行動の変化を特徴とする精神疾患である。 SZの診断には、臨床面接、身体検査、心理的評価、神経画像技術など様々なツールが使用される。 脳波記録は、SZ中の脳機能に関する貴重な洞察を提供する重要な機能的モダリティである。 脳波信号解析は、人工物の存在、長期記録、および複数のチャネルの利用により、神経学者に課題を提起する。
  論文  参考訳（メタデータ） (2023-09-14T04:55:34Z)
• A Survey on the Role of Artificial Intelligence in the Prediction and Diagnosis of Schizophrenia [0.0]
  この調査は、統合失調症の検出と予測にディープラーニングを使うことに焦点を当てた論文をレビューすることを目的としている。 選択した検索戦略により、2019年から2022年までの10の出版物を評価しました。 全ての研究は80%以上の予測を達成した。 統合失調症に対する人工知能(AI)と機械学習(ML)の分野では、大きな進歩がなされている。
  論文  参考訳（メタデータ） (2023-05-19T08:21:02Z)
• Handwriting and Drawing for Depression Detection: A Preliminary Study [53.11777541341063]
  精神健康に対する短期的コビデンスの影響は、不安や抑うつ症状の顕著な増加であった。 本研究の目的は、健康な人とうつ病患者を識別するために、オンライン手書き・図面解析という新しいツールを使用することである。
  論文  参考訳（メタデータ） (2023-02-05T22:33:49Z)
• Machine learning techniques for the Schizophrenia diagnosis: A comprehensive review and future research directions [6.09361933400665]
  統合失調症(英語: Schizophrenia、SCZ)とは、幻覚、妄想、フラットトーク、非組織的思考など、様々な症状を経験する脳疾患である。 長期的には、これは深刻な影響をもたらし、寿命を10年以上短縮する可能性がある。 SCZの早期かつ正確な診断が一般的であり、構造的磁気共鳴画像(sMRI)、機能的MRI(fMRI)、拡散テンソル画像(DTI)、脳電図(EEG)などのモダリティは患者の脳の異常を目撃するのに役立つ。
  論文  参考訳（メタデータ） (2023-01-16T19:49:38Z)
• Pediatric Otoscopy Video Screening with Shift Contrastive Anomaly Detection [4.922640055654283]
  本稿では、まず、ビデオシーケンスから耳ドラムのパッチを検出して抽出することにより、有効なフレームを識別する2段階の手法を提案する。 第2に、光学ビデオシーケンスを正常または異常としてフラグ付けるために、提案したシフトコントラスト異常検出を実行する。 本手法は患者レベルで88.0%のAUROCを達成し,25名の臨床医の平均値を上回った。
  論文  参考訳（メタデータ） (2021-10-25T20:39:28Z)
• Automatic Assessment of Alzheimer's Disease Diagnosis Based on Deep Learning Techniques [111.165389441988]
  本研究では, MRI(sagittal magnetic resonance images)における疾患の存在を自動的に検出するシステムを開発する。 矢状面MRIは一般的には使われていないが、この研究は、少なくとも、ADを早期に同定する他の平面からのMRIと同じくらい効果があることを証明した。 本研究は,これらの分野でDLモデルを構築できることを実証する一方,TLは少ない例でタスクを完了するための必須のツールである。
  論文  参考訳（メタデータ） (2021-05-18T11:37:57Z)
• Deep Multi-task Learning for Depression Detection and Prediction in Longitudinal Data [50.02223091927777]
  うつ病は最も多い精神疾患の1つであり、世界中の年齢の何百万人もの人々に影響を与えている。 機械学習技術は、早期介入と治療のためのうつ病の自動検出と予測を可能にしている。 本稿では、この課題に対処するために、2つの補助的タスクでうつ病分類を共同最適化する、新しいディープマルチタスクリカレントニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2020-12-05T05:14:14Z)
• Silent Speech Interfaces for Speech Restoration: A Review [59.68902463890532]
  サイレント音声インタフェース (SSI) の研究は、重度音声障害の患者に対して、代替的で拡張的なコミュニケーション方法を提供することを目的としている。 SSIは、コミュニケーションを可能にするために、音声生成中に人体によって生成される非音響バイオシグナーに依存している。 現在、ほとんどのSSIは、健康なユーザーのために実験室でのみ検証されている。
  論文  参考訳（メタデータ） (2020-09-04T11:05:50Z)
• Respiratory Sound Classification Using Long-Short Term Memory [62.997667081978825]
  本稿では,呼吸器疾患の分類に関連して,音の分類を行おうとする際の問題点について検討する。 このようなタスクをどのように実装できるかを特定するために、ディープラーニングと長期短期記憶ネットワークの使用の検討を行う。
  論文  参考訳（メタデータ） (2020-08-06T23:11:57Z)
• 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。