論文の概要: An Unobtrusive and Lightweight Ear-worn System for Continuous Epileptic Seizure Detection

• arxiv url: http://arxiv.org/abs/2401.05425v1
• Date: Mon, 1 Jan 2024 21:06:40 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-15 08:22:38.561522
• Title: An Unobtrusive and Lightweight Ear-worn System for Continuous Epileptic Seizure Detection
• Title（参考訳）: 連続てんかん発作検出のための非閉塞的軽量補聴器システム
• Authors: Abdul Aziz, Nhat Pham, Neel Vora, Cody Reynolds, Jaime Lehnen, Pooja Venkatesh, Zhuoran Yao, Jay Harvey, Tam Vu, Kan Ding, and Phuc Nguyen
• Abstract要約: てんかんを患う人の最大70%は、適切に診断され治療されていれば、発作のない生活を送ることができる。 頭皮をベースとした脳波検査は、てんかんを診断するための金の基準であるにもかかわらず、費用がかかり、入院が必要となり、熟練した専門家に手術を依頼し、ユーザーに不快感を与えている。 ユーザの耳の後ろから生理的信号を計測してててんかん発作の発症を検出するための,新しい軽量で控えめで社会的に許容できる耳縫いシステムであるEarSDを提案する。
• 参考スコア（独自算出の注目度）: 2.3925084916107098
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Epilepsy is one of the most common neurological diseases globally, affecting around 50 million people worldwide. Fortunately, up to 70 percent of people with epilepsy could live seizure-free if properly diagnosed and treated, and a reliable technique to monitor the onset of seizures could improve the quality of life of patients who are constantly facing the fear of random seizure attacks. The scalp-based EEG test, despite being the gold standard for diagnosing epilepsy, is costly, necessitates hospitalization, demands skilled professionals for operation, and is discomforting for users. In this paper, we propose EarSD, a novel lightweight, unobtrusive, and socially acceptable ear-worn system to detect epileptic seizure onsets by measuring the physiological signals from behind the user's ears. EarSD includes an integrated custom-built sensing, computing, and communication PCB to collect and amplify the signals of interest, remove the noises caused by motion artifacts and environmental impacts, and stream the data wirelessly to the computer or mobile phone nearby, where data are uploaded to the host computer for further processing. We conducted both in-lab and in-hospital experiments with epileptic seizure patients who were hospitalized for seizure studies. The preliminary results confirm that EarSD can detect seizures with up to 95.3 percent accuracy by just using classical machine learning algorithms.
• Abstract（参考訳）: てんかんは世界中で最も一般的な神経疾患の1つで、世界中で約5000万人に影響を及ぼす。 幸いなことに、てんかんを患っている人の70%は、適切に診断し治療すれば発作のない生活を送ることができ、発作の発症をモニターする信頼できる技術は、ランダムな発作発作の恐れに常に直面している患者の生活の質を向上させることができる。 頭皮をベースとした脳波検査は、てんかんを診断するための金の基準であるにもかかわらず、費用がかかり、入院が必要となり、熟練した専門家に手術を要求される。 本稿では,ユーザの耳の後ろからの生理的信号を測定することでてんかん発作の発症を検知する,新しい軽量で非閉塞的で社会的に許容される耳鳴システムearsdを提案する。 eardには、興味のある信号の収集と増幅、モーションアーティファクトや環境への影響によるノイズの除去、近くのコンピュータや携帯電話に無線でデータをストリーミングするカスタムビルトインセンシング、コンピューティング、通信pcbが含まれており、さらに処理するためにホストコンピュータにデータがアップロードされる。 発作研究に入院したてんかん発作患者を対象に,in-labおよびin-hospital試験を行った。 予備結果は、earsdは古典的な機械学習アルゴリズムだけで最大95.3%の精度で発作を検出できることを確認した。

関連論文リスト

• SincVAE: a New Approach to Improve Anomaly Detection on EEG Data Using SincNet and Variational Autoencoder [0.0]
  本研究では,脳波データからてんかん発作を検出するための半教師付きアプローチを提案する。 以上の結果から,SncVAEは脳波データにおける発作検出を改善し,早期発作の早期発見と術後経過のモニタリングが可能であることが示唆された。
  論文  参考訳（メタデータ） (2024-06-25T13:21:01Z)
• 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)
• \'Epilexie: A digital therapeutic approach for treating intractable epilepsy via Amenable Neurostimulation [0.0]
  難治性てんかんに対するデジタル治療戦略の一環として,Amenable Neurostimulation (ANS) について検討した。 ANSはクローズドループシステムを使用して、影響を受ける領域のニューロンを選択的に刺激し、発作の頻度を下げる。 このパイロット研究の結果は、ANSが難治性てんかんに苦しむ人々にとって、現実的で成功した治療オプションである可能性を示している。
  論文  参考訳（メタデータ） (2023-04-28T01:06:15Z)
• Supervised and Unsupervised Deep Learning Approaches for EEG Seizure Prediction [2.3096751699592137]
  てんかんは世界中で5000万人以上の人に影響を与えており、世界でも有数の神経疾患の1つとなっている。 てんかん発作の発生を予測する能力は、てんかんの顔を持つ人のリスクやストレスを軽減する可能性がある。 入射前発作の前兆として, 正常脳波(preictal, pre-seizure)を検出する問題を定式化する。
  論文  参考訳（メタデータ） (2023-04-24T05:21:10Z)
• Knowledge-Distilled Graph Neural Networks for Personalized Epileptic Seizure Detection [43.905374104261014]
  そこで,本研究では,全電極から得られたデータに基づいて訓練された高度感応検知器(教師と呼ぶ)から知識を伝達し,新しい検出器(学生と呼ぶ)を学習するための新しい知識蒸留手法を提案する。 どちらも軽量な実装を提供しており、脳波を記録するのに必要な電極の数を大幅に削減している。 以上の結果から,脳波の少ない症例では,知識蒸留とパーソナライゼーションの両方が,発作検出の性能向上に重要な役割を担っていることが明らかとなった。
  論文  参考訳（メタデータ） (2023-04-03T15:37:40Z)
• Remote Medication Status Prediction for Individuals with Parkinson's Disease using Time-series Data from Smartphones [75.23250968928578]
  本稿では,パーキンソン病患者のmPowerデータセットを用いて薬剤状態を予測する方法を提案する。 提案手法は,3つの薬物状態を客観的に予測する上で有望な結果を示す。
  論文  参考訳（メタデータ） (2022-07-26T02:08:08Z)
• Designing A Clinically Applicable Deep Recurrent Model to Identify Neuropsychiatric Symptoms in People Living with Dementia Using In-Home Monitoring Data [52.40058724040671]
  鎮静は認知症において高い有病率を有する神経精神医学症状の1つである。 扇動エピソードの検出は、認知症に生きる人々(PLWD)に早期かつタイムリーな介入を提供するのに役立つ。 本研究は,家庭内モニタリングデータを用いてPLWDの動揺リスクを分析するための教師付き学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-10-19T11:45:01Z)
• 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)
• Predicting Parkinson's Disease with Multimodal Irregularly Collected Longitudinal Smartphone Data [75.23250968928578]
  パーキンソン病は神経疾患であり、高齢者に多い。 伝統的に病気を診断する方法は、一連の活動テストの品質に関する個人的主観的臨床評価に依存している。 そこで本研究では,スマートフォンが収集した生の行動データを用いて,パーキンソン病を予測するための時系列に基づく新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-09-25T01:50:15Z)
• 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。