論文の概要: EEG Connectivity Analysis Using Denoising Autoencoders for the Detection of Dyslexia

• arxiv url: http://arxiv.org/abs/2311.13876v1
• Date: Thu, 23 Nov 2023 09:49:22 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-28 00:20:38.693600
• Title: EEG Connectivity Analysis Using Denoising Autoencoders for the Detection of Dyslexia
• Title（参考訳）: Denoising Autoencoders を用いたDyslexia検出のための脳波接続性解析
• Authors: Francisco Jesus Martinez-Murcia, Andr\'es Ortiz, Juan Manuel G\'orriz, Javier Ram\'irez, Pedro Javier Lopez-Perez, Miguel L\'opez-Zamora, Juan Luis Luque
• Abstract要約: LEEDUCA研究は、低リズム韻律(0.5-1Hz)、音素(4-8Hz)、音素(12-40Hz)で振幅変調(AM)雑音を聴く小児の脳波実験を行った。 本研究の目的は、これらの違いが存在するかどうか、また、言語の違いによる子どものパフォーマンスと、ディフレキシーの検知に一般的に使用される認知的タスクとの関連性を確認することである。
• 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: The Temporal Sampling Framework (TSF) theorizes that the characteristic phonological difficulties of dyslexia are caused by an atypical oscillatory sampling at one or more temporal rates. The LEEDUCA study conducted a series of Electroencephalography (EEG) experiments on children listening to amplitude modulated (AM) noise with slow-rythmic prosodic (0.5-1 Hz), syllabic (4-8 Hz) or the phoneme (12-40 Hz) rates, aimed at detecting differences in perception of oscillatory sampling that could be associated with dyslexia. The purpose of this work is to check whether these differences exist and how they are related to children's performance in different language and cognitive tasks commonly used to detect dyslexia. To this purpose, temporal and spectral inter-channel EEG connectivity was estimated, and a denoising autoencoder (DAE) was trained to learn a low-dimensional representation of the connectivity matrices. This representation was studied via correlation and classification analysis, which revealed ability in detecting dyslexic subjects with an accuracy higher than 0.8, and balanced accuracy around 0.7. Some features of the DAE representation were significantly correlated ($p<0.005$) with children's performance in language and cognitive tasks of the phonological hypothesis category such as phonological awareness and rapid symbolic naming, as well as reading efficiency and reading comprehension. Finally, a deeper analysis of the adjacency matrix revealed a reduced bilateral connection between electrodes of the temporal lobe (roughly the primary auditory cortex) in DD subjects, as well as an increased connectivity of the F7 electrode, placed roughly on Broca's area. These results pave the way for a complementary assessment of dyslexia using more objective methodologies such as EEG.
• Abstract（参考訳）: テンポラルサンプリングフレームワーク(TSF)は、ディプレキシアの特徴的な音韻学的困難は、1つ以上の時間速度で非定型的な振動サンプリングによって引き起こされると理論化している。 leeduca研究は、遅発性韻律(0.5-1 hz)、音節性(4-8 hz)、音素(12-40 hz)の速度で振幅変調(am)ノイズを聴く小児の脳波(eeg)実験を行い、失読症に関連する振動サンプリングの知覚の違いを検出することを目的とした。 本研究の目的は、これらの違いが存在するかどうか、また、言語の違いによる子どものパフォーマンスと、ディフレキシーの検知に一般的に使用される認知タスクとの関連性を確認することである。 この目的のために、時間的およびスペクトル的なチャネル間EEG接続を推定し、接続行列の低次元表現を学習するためにDAE(denoising autoencoder)を訓練した。 この表現は相関分析と分類分析によって解析され、0.8以上の精度で失読症患者を検出する能力が明らかにされ、約0.7の精度でバランスが取れた。 dae表現のいくつかの特徴は、音韻認識や急速シンボリックネーミングといった音韻学的仮説のカテゴリーの言語と認知的タスクにおける子どものパフォーマンスと、読書効率と読書理解とで有意に相関した(p<0.005$)。 最後に,adjacency matrixの深部解析により,dd患者において側頭葉(大体一次聴覚野)の電極間の両側接続が減少し,ブロカ領域に略してf7電極の接続が増加することが明らかとなった。 これらの結果は、脳波などの客観的な方法論を用いた失読症の補完的評価への道を開いた。

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)
• Exploring Speech Pattern Disorders in Autism using Machine Learning [12.469348589699766]
  本研究は, 被験者と患者との対話の分析を通じて, 独特の音声パターンを識別するための包括的アプローチを提案する。 我々は,40の音声関連特徴を抽出し,周波数,ゼロクロス速度,エネルギー,スペクトル特性,メル周波数ケプストラル係数(MFCC),バランスに分類した。 分類モデルはASDと非ASDを区別することを目的としており、精度は87.75%である。
  論文  参考訳（メタデータ） (2024-05-03T02:59:15Z)
• Automatically measuring speech fluency in people with aphasia: first achievements using read-speech data [55.84746218227712]
  本研究の目的は,言語習得の分野で開発された信号処理algorithmの関連性を評価することである。
  論文  参考訳（メタデータ） (2023-08-09T07:51:40Z)
• The Relationship Between Speech Features Changes When You Get Depressed: Feature Correlations for Improving Speed and Performance of Depression Detection [69.88072583383085]
  この研究は、抑うつが音声から抽出した特徴間の相関を変化させることを示す。 このような洞察を用いることで、SVMとLSTMに基づく抑うつ検出器のトレーニング速度と性能を向上させることができる。
  論文  参考訳（メタデータ） (2023-07-06T09:54:35Z)
• Leveraging Pretrained Representations with Task-related Keywords for Alzheimer's Disease Detection [69.53626024091076]
  アルツハイマー病(AD)は高齢者に特に顕著である。 事前学習モデルの最近の進歩は、AD検出モデリングを低レベル特徴から高レベル表現にシフトさせる動機付けとなっている。 本稿では,高レベルの音響・言語的特徴から,より優れたAD関連手がかりを抽出する,いくつかの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2023-03-14T16:03:28Z)
• Neural source/sink phase connectivity in developmental dyslexia by means of interchannel causality [0.0]
  ディプレクシック学習者と制御者の違いを特定するために,チャネル間のグラガー因果関係を測定する。 因果関係が両方の方向に進むにつれて、チャネルのアクティビティをソースとして、シンクとして、合計で3つのシナリオを探索する。 いずれのシナリオにおいても,確立した右横型セタサンプリングネットワーク異常の確認が可能である。
  論文  参考訳（メタデータ） (2023-01-02T07:56:03Z)
• Toward Knowledge-Driven Speech-Based Models of Depression: Leveraging Spectrotemporal Variations in Speech Vowels [10.961439164833891]
  抑うつに関連する精神運動士の遅滞は、母音生成の有形差と関連付けられている。 本稿では,母音レベルの音声のスペクトル時間情報を統合し,抑うつを識別する知識駆動機械学習(ML)手法について検討する。
  論文  参考訳（メタデータ） (2022-10-05T19:57:53Z)
• Continuous Speech for Improved Learning Pathological Voice Disorders [12.867900671251395]
  本研究では,単一母音の代わりに連続マンダリン音声を用いて4つの共通音声障害を分類する手法を提案する。 提案手法では, 音響信号をメル周波数ケプストラム係数に変換し, 双方向長周期メモリネットワーク(BiLSTM)を採用して, 逐次的特徴をモデル化する。
  論文  参考訳（メタデータ） (2022-02-22T09:58:31Z)
• Investigation of Data Augmentation Techniques for Disordered Speech Recognition [69.50670302435174]
  本稿では,不規則音声認識のための一連のデータ拡張手法について検討する。 正常な音声と無秩序な音声の両方が増強過程に利用された。 UASpeechコーパスを用いた最終話者適応システムと、最大2.92%の絶対単語誤り率(WER)の速度摂動に基づく最良の拡張アプローチ
  論文  参考訳（メタデータ） (2022-01-14T17:09:22Z)
• Spectro-Temporal Deep Features for Disordered Speech Assessment and Recognition [65.25325641528701]
  音声スペクトルのSVD分解による深い特徴を埋め込んだ新しいスペクトル時空間ベースを提案する。 UASpeechコーパスで行った実験では、提案された分光時間深部特徴適応システムは、データ拡張の有無にかかわらず、ワードエラー率(WER)を最大263%(相対8.6%)削減することで、ベースラインi-適応を一貫して上回ったことが示唆された。
  論文  参考訳（メタデータ） (2022-01-14T16:56:43Z)
• Bulbar ALS Detection Based on Analysis of Voice Perturbation and Vibrato [68.97335984455059]
  本研究の目的は,ALS患者の自動検出のための持続母音発声テストの有用性を検証することである。 そこで我々は,音声信号から測定値の計算に必要な基本周期への分離手順の強化を提案した。
  論文  参考訳（メタデータ） (2020-03-24T12:49:25Z)

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。