論文の概要: Seizure detection from Electroencephalogram signals via Wavelets and Graph Theory metrics

• arxiv url: http://arxiv.org/abs/2312.00811v1
• Date: Tue, 28 Nov 2023 01:07:14 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-11 03:31:31.901182
• Title: Seizure detection from Electroencephalogram signals via Wavelets and Graph Theory metrics
• Title（参考訳）: ウェーブレットとグラフ理論による脳波信号からの震度検出
• Authors: Paul Grant, Md Zahidul Islam
• Abstract要約: てんかん(てんかん、英: epilepsy)は、てんかん発作が脳の異常、過剰、同期的な活動による過度な発生である、最も一般的な神経疾患の1つである。 脳波信号は、脳から放出され、分析され、てんかん発作の検出と予測に重要な役割を果たす。
• 参考スコア（独自算出の注目度）: 1.62510160294292
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Epilepsy is one of the most prevalent neurological conditions, where an epileptic seizure is a transient occurrence due to abnormal, excessive and synchronous activity in the brain. Electroencephalogram signals emanating from the brain may be captured, analysed and then play a significant role in detection and prediction of epileptic seizures. In this work we enhance upon a previous approach that relied on the differing properties of the wavelet transform. Here we apply the Maximum Overlap Discrete Wavelet Transform to both reduce signal \textit{noise} and use signal variance exhibited at differing inherent frequency levels to develop various metrics of connection between the electrodes placed upon the scalp. %The properties of both the noise reduced signal and the interconnected electrodes differ significantly during the different brain states. Using short duration epochs, to approximate close to real time monitoring, together with simple statistical parameters derived from the reconstructed noise reduced signals we initiate seizure detection. To further improve performance we utilise graph theoretic indicators from derived electrode connectivity. From there we build the attribute space. We utilise open-source software and publicly available data to highlight the superior Recall/Sensitivity performance of our approach, when compared to existing published methods.
• Abstract（参考訳）: てんかんは最も一般的な神経疾患の1つであり、てんかん発作は脳の異常、過剰、同期性活動による一過性の発作である。 脳波信号は、脳から放出され、分析され、てんかん発作の検出と予測に重要な役割を果たす。 この研究では、ウェーブレット変換の異なる性質に依存する以前のアプローチを強化する。 ここでは、最大オーバーラップ離散ウェーブレット変換を、信号 \textit{noise} と固有の周波数レベルが異なる信号分散の両方に応用し、頭皮上の電極間の接続の様々な測定値を開発する。 %) のノイズ低減信号と結合電極の特性は, 脳の状態によって大きく異なる。 短時間のエポックを用いてリアルタイムモニタリングに近づき、再構成された雑音低減信号から得られた単純な統計パラメータとともに、発作検出を開始する。 さらに性能を向上させるため、導出電極接続からグラフ理論指標を利用する。 そこから属性空間を構築します。 我々は,既存の公開手法と比較して,オープンソースソフトウェアと公開データを利用して,我々のアプローチの優れたリコール/感度性能を強調する。

関連論文リスト

• REST: Efficient and Accelerated EEG Seizure Analysis through Residual State Updates [54.96885726053036]
  本稿では,リアルタイム脳波信号解析のための新しいグラフベース残状態更新機構(REST)を提案する。 グラフニューラルネットワークとリカレント構造の組み合わせを活用することで、RESTは、非ユークリッド幾何学とEEGデータ内の時間的依存関係の両方を効率的にキャプチャする。 本モデルは,発作検出と分類作業において高い精度を示す。
  論文  参考訳（メタデータ） (2024-06-03T16:30:19Z)
• Study on spike-and-wave detection in epileptic signals using t-location-scale distribution and the K-nearest neighbors classifier [0.0]
  そこで本研究では、t位置スケールの統計的表現に基づくてんかん性脳波信号のk-nearest近辺分類を行い、スパイク・アンド・ウェーブを検出する。 提案手法は、スパイク・アンド・ウェーブ現象と正常脳機能信号の両方を含む実際のデータセット上で実証される。
  論文  参考訳（メタデータ） (2024-05-21T21:52:08Z)
• BrainNet: Epileptic Wave Detection from SEEG with Hierarchical Graph Diffusion Learning [21.689503325383253]
  実世界のSEEGデータセットにおけるてんかん性波を検出するための,最初のデータ駆動型研究を提案する。 臨床的には、てんかん波の活動は脳の異なる領域間で伝播していると考えられている。 各患者に対して正確なてんかん原性ネットワークをどうやって抽出するかという問題は、神経科学の分野では未解決の問題のままである。
  論文  参考訳（メタデータ） (2023-06-15T08:29:10Z)
• Lightweight Convolution Transformer for Cross-patient Seizure Detection in Multi-channel EEG Signals [0.0]
  本研究では、新しいディープラーニングアーキテクチャに基づく軽量畳み込み変換器(LCT)を提案する。 変換器は、多チャンネル脳波(EEG)信号から空間的および時間的相関情報を同時に学習し、より小さなセグメント長で発作を検出する。
  論文  参考訳（メタデータ） (2023-05-07T16:43:52Z)
• EEG-Based Epileptic Seizure Prediction Using Temporal Multi-Channel Transformers [1.0970480513577103]
  てんかんは最も一般的な神経疾患の1つで、てんかん発作と呼ばれる過渡期および未発症の事象を特徴とする。 脳波はてんかんの診断とモニタリングを補助的に行う方法である。 てんかん発作の予期せぬ性質を考えると、その予測は患者のケアを改善し、生活の質とてんかんの治療を最適化する。
  論文  参考訳（メタデータ） (2022-09-18T03:03:47Z)
• SOUL: An Energy-Efficient Unsupervised Online Learning Seizure Detection Classifier [68.8204255655161]
  神経活動を記録して発作を検出するインプラントデバイスは、発作を抑えるために警告を発したり神経刺激を誘発したりするために採用されている。 移植可能な発作検出システムでは、低出力で最先端のオンライン学習アルゴリズムを使用して、神経信号のドリフトに動的に適応することができる。 SOULはTSMCの28nmプロセスで0.1mm2を占め、1.5nJ/分級エネルギー効率を実現した。
  論文  参考訳（メタデータ） (2021-10-01T23:01:20Z)
• EEG Signal Processing using Wavelets for Accurate Seizure Detection through Cost Sensitive Data Mining [2.7907613804877283]
  本稿では,アセプション検出のためのウェーブレットの特性に依存するアプローチを提案する。 我々は、信号ノイズを低減するために、最大オーバーラップ離散ウェーブレット変換を利用する。 我々は、再構成されたノイズ低減信号、電極接続、情報伝達の効率から導かれる基本的統計パラメータを用いて属性空間を構築する。
  論文  参考訳（メタデータ） (2021-09-22T01:40:51Z)
• Embedding Signals on Knowledge Graphs with Unbalanced Diffusion Earth Mover's Distance [63.203951161394265]
  現代の機械学習では、多くの領域における観測間の相互作用や類似性によって生じる大きなグラフに遭遇することが一般的である。 本研究では,地球移動器距離(EMD)と測地コストを基礎となるグラフ上で比較し,グラフ信号のデータセットを整理する。 いずれの場合も,UDEMDをベースとした埋め込みは,他の手法と比較して高精度な距離を求めることができる。
  論文  参考訳（メタデータ） (2021-07-26T17:19:02Z)
• Optimal Learning with Excitatory and Inhibitory synapses [91.3755431537592]
  相関関係の存在下でアナログ信号間の関連性を保持するという課題について検討する。 ランダムな入力および出力プロセスのパワースペクトルの観点から、典型的な学習性能を特徴付ける。
  論文  参考訳（メタデータ） (2020-05-25T18:25:54Z)
• Analytic Signal Phase in $N-D$ by Linear Symmetry Tensor--fingerprint modeling [69.35569554213679]
  解析信号位相とその勾配は2-D$以上の不連続性を持つことを示す。 この欠点は深刻なアーティファクトをもたらす可能性があるが、問題は1-D $シグナルには存在しない。 本稿では,複数のGaborフィルタに頼って線形シンメトリー位相を用いることを提案する。
  論文  参考訳（メタデータ） (2020-05-16T21:17:26Z)
• 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。