論文の概要: Comparison analysis between standard polysomnographic data and
in-ear-EEG signals: A preliminary study
- arxiv url: http://arxiv.org/abs/2401.10107v2
- Date: Mon, 22 Jan 2024 13:36:12 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-23 18:53:15.067723
- Title: Comparison analysis between standard polysomnographic data and
in-ear-EEG signals: A preliminary study
- Title(参考訳): 標準ポリソノグラフィーデータと耳内EEG信号の比較分析:予備的検討
- Authors: Gianpaolo Palo, Luigi Fiorillo, Giuliana Monachino, Michal Bechny,
Mark Melnykowycz, Athina Tzovara, Valentina Agostini, and Francesca Dalia
Faraci
- Abstract要約: In-ear-EEGセンサーは、快適性、固定電極位置、電磁干渉に対する耐性、およびユーザフレンドリ性の点で利点がある。
本研究は,耳内EEG信号と標準PSGの類似性を評価する手法を確立することを目的とする。
- 参考スコア(独自算出の注目度): 0.12045539806824922
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Study Objectives: Polysomnography (PSG) currently serves as the benchmark for
evaluating sleep disorders. Its discomfort, impracticality for home-use, and
introduction of bias in sleep quality assessment necessitate the exploration of
less invasive, cost-effective, and portable alternatives. One promising
contender is the in-ear-EEG sensor, which offers advantages in terms of
comfort, fixed electrode positions, resistance to electromagnetic interference,
and user-friendliness. This study aims to establish a methodology to assess the
similarity between the in-ear-EEG signal and standard PSG.
Methods: We assess the agreement between the PSG and in-ear-EEG derived
hypnograms. We extract features in the time- and frequency- domain from PSG and
in-ear-EEG 30-second epochs. We only consider the epochs where the PSG-scorers
and the in-ear-EEG-scorers were in agreement. We introduce a methodology to
quantify the similarity between PSG derivations and the single-channel
in-ear-EEG. The approach relies on a comparison of distributions of selected
features -- extracted for each sleep stage and subject on both PSG and the
in-ear-EEG signals -- via a Jensen-Shannon Divergence Feature-based Similarity
Index (JSD-FSI).
Results: We found a high intra-scorer variability, mainly due to the
uncertainty the scorers had in evaluating the in-ear-EEG signals. We show that
the similarity between PSG and in-ear-EEG signals is high (JSD-FSI: 0.61 +/-
0.06 in awake, 0.60 +/- 0.07 in NREM and 0.51 +/- 0.08 in REM), and in line
with the similarity values computed independently on standard
PSG-channel-combinations.
Conclusions: In-ear-EEG is a valuable solution for home-based sleep
monitoring, however further studies with a larger and more heterogeneous
dataset are needed.
- Abstract(参考訳): 研究目的: ポリソムノグラフィ(psg)は現在、睡眠障害の評価基準となっている。
その不快さ、家庭利用の非現実性、および睡眠品質評価におけるバイアスの導入は、より侵襲的で費用対効果の低いポータブルな代替品の探索を必要とする。
このセンサーは、快適さ、固定電極位置、電磁干渉に対する耐性、ユーザーフレンドリー性といった面で利点がある。
本研究は,耳内EEG信号と標準PSGの類似性を評価する手法を確立することを目的とする。
方法:PSGと初期EEG由来のハイドノグラムの一致を評価した。
時間領域と周波数領域の特徴をPSGとEEG内30秒のエポックから抽出する。
われわれはPSG-scorersとear-EEG-scorersが合意に達した時期についてのみ検討する。
我々はPSG導出と単一チャネル内EEGの類似性を定量化する手法を提案する。
このアプローチは、Jensen-Shannon Divergence Feature-based similarity Index (JSD-FSI)を介して、選択された機能(各睡眠段階に抽出され、PSGと内EEG信号の両方を対象とする)の分布の比較に依存する。
結果: 内耳波信号の評価において, スコアラーが有していた不確かさが主な原因と考えられた。
覚醒時のPSG信号と耳内EEG信号の類似度は高い(JSD-FSI: 0.61 +/0.06、NREMでは 0.60 +/- 0.07、REMでは 0.51 +/- 0.08)。
結論: In-ear-EEGは在宅睡眠モニタリングに有用なソリューションであるが、より大きく異質なデータセットによるさらなる研究が必要である。
関連論文リスト
- PPG-to-ECG Signal Translation for Continuous Atrial Fibrillation Detection via Attention-based Deep State-Space Modeling [11.617950008187366]
光胸腺造影法(英: Photoplethysmography, PPG)は、光学的手法を用いて心臓生理学を計測する費用効率の高い非侵襲的手法である。
本稿では,PPG信号を対応するECG波形に変換するために,主観非依存の注目に基づく深部状態空間モデル(ADSSM)を提案する。
論文 参考訳(メタデータ) (2023-09-27T03:07:46Z) - DGSD: Dynamical Graph Self-Distillation for EEG-Based Auditory Spatial
Attention Detection [49.196182908826565]
AAD(Auditory Attention Detection)は、マルチスピーカー環境で脳信号からターゲット話者を検出することを目的としている。
現在のアプローチは主に、画像のようなユークリッドデータを処理するために設計された従来の畳み込みニューラルネットワークに依存している。
本稿では、入力として音声刺激を必要としないAADのための動的グラフ自己蒸留(DGSD)手法を提案する。
論文 参考訳(メタデータ) (2023-09-07T13:43:46Z) - Learning to diagnose cirrhosis from radiological and histological labels
with joint self and weakly-supervised pretraining strategies [62.840338941861134]
そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。
我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。
この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
論文 参考訳(メタデータ) (2023-02-16T17:06:23Z) - A Knowledge Distillation Framework For Enhancing Ear-EEG Based Sleep
Staging With Scalp-EEG Data [3.382472583898067]
ポリソムノグラフィーによる睡眠研究は不快感としばしば睡眠の質の低下と関連している。
これまでの研究は、高品質な睡眠研究を行うための邪魔にならない方法の開発に重点を置いてきた。
ドメイン適応手法であるクロスモーダルな知識蒸留戦略を提案する。
論文 参考訳(メタデータ) (2022-10-27T01:32:58Z) - Corneal endothelium assessment in specular microscopy images with Fuchs'
dystrophy via deep regression of signed distance maps [48.498376125522114]
本稿では,UNetをベースとしたセグメンテーション手法を提案する。
これは、フックスのジストロフィーの全度にわたって、信頼できるCE形態計測と腸骨同定を実現する。
論文 参考訳(メタデータ) (2022-10-13T15:34:20Z) - DeScoD-ECG: Deep Score-Based Diffusion Model for ECG Baseline Wander and
Noise Removal [4.998493052085877]
心電図(ECG)信号は、ベースラインダウトなど、一般的にノイズ干渉に悩まされる。
本稿では,新しいECGベースラインホアリングとノイズ除去技術を提案する。
論文 参考訳(メタデータ) (2022-07-31T23:39:33Z) - Runtime Monitoring and Statistical Approaches for Correlation Analysis
of ECG and PPG [3.9526036279093937]
ECGとPSGは同じ現象に「異なる窓」を与える信号である。
ECG と PPG は別々に使用されるが、異なる ECG と PPG の事象の正確な補正についての研究は行われていない。
本稿では,ECG と PPG 信号の鍵となる関係を正式に確立するための最初のアプローチを提案する。
論文 参考訳(メタデータ) (2022-01-20T08:01:45Z) - Ensemble of Convolution Neural Networks on Heterogeneous Signals for
Sleep Stage Scoring [63.30661835412352]
本稿では,脳波以外の追加信号の利用の利便性について検討し,比較する。
最も優れたモデルである深部分離畳み込みニューラルネットワークのアンサンブルは86.06%の精度を達成した。
論文 参考訳(メタデータ) (2021-07-23T06:37:38Z) - Modelling Brain Connectivity Networks by Graph Embedding for Dyslexia
Diagnosis [0.0]
本研究では、脳波に使用される異なる電極間の関係を得るために、電極内および電極間pacを算出する。
提案手法は,7歳児の失読症診断のためのタスクにおいて,特定の聴覚刺激を用いて取得した分類脳波サンプルに適用した。
論文 参考訳(メタデータ) (2021-04-12T14:27:29Z) - Bootstrapping Your Own Positive Sample: Contrastive Learning With
Electronic Health Record Data [62.29031007761901]
本稿では,新しいコントラスト型正規化臨床分類モデルを提案する。
EHRデータに特化した2つのユニークなポジティブサンプリング戦略を紹介します。
私たちのフレームワークは、現実世界のCOVID-19 EHRデータの死亡リスクを予測するために、競争の激しい実験結果をもたらします。
論文 参考訳(メタデータ) (2021-04-07T06:02:04Z) - 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)
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。