Fugu-MT 論文翻訳(概要): Review of algorithms for predicting fatigue using EEG

論文の概要: Review of algorithms for predicting fatigue using EEG

arxiv url: http://arxiv.org/abs/2402.09443v1
Date: Tue, 30 Jan 2024 17:32:02 GMT
ステータス: 処理完了
システム内更新日: 2024-02-18 13:03:50.047540
Title: Review of algorithms for predicting fatigue using EEG
Title（参考訳）: 脳波を用いた疲労予測アルゴリズムの検討
Authors: Ildar Rakhmatulin
Abstract要約: 本論文は, 生理疲労検出のための機械学習アルゴリズムの適用に関する包括的研究である。本研究の主な目的は、脳波データに基づいて、個人の疲労レベルを予測するための様々なアルゴリズムの有効性を評価することである。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Fatigue detection is of paramount importance in enhancing safety, productivity, and well-being across diverse domains, including transportation, healthcare, and industry. This scientific paper presents a comprehensive investigation into the application of machine learning algorithms for the detection of physiological fatigue using Electroencephalogram (EEG) signals. The primary objective of this study was to assess the efficacy of various algorithms in predicting an individual's level of fatigue based on EEG data.
Abstract（参考訳）: 疲労検出は、交通、医療、産業など様々な分野の安全、生産性、幸福を高める上で最も重要なものである。本稿では,脳波(eeg)信号を用いた生理的疲労検出への機械学習アルゴリズムの適用に関する包括的研究を行う。本研究の目的は,脳波データに基づく個人の疲労レベル予測における各種アルゴリズムの有効性を評価することである。

関連論文リスト

EEG for fatigue monitoring [0.0]
脳波検査(EEG)は、生理的疲労を客観的に評価するための有望なツールとして登場した。本稿では,脳波を用いた生理疲労のモニタリングの現状を包括的に分析することを目的とする。
論文参考訳（メタデータ） (2024-01-28T21:01:45Z)
A Knowledge-Driven Cross-view Contrastive Learning for EEG Representation [48.85731427874065]
本稿では,限られたラベルを持つ脳波から効果的な表現を抽出する知識駆動型クロスビューコントラスト学習フレームワーク(KDC2)を提案する。 KDC2法は脳波信号の頭皮と神経のビューを生成し、脳活動の内部および外部の表現をシミュレートする。ニューラル情報整合性理論に基づく事前のニューラル知識をモデル化することにより、提案手法は不変かつ相補的なニューラル知識を抽出し、複合表現を生成する。
論文参考訳（メタデータ） (2023-09-21T08:53:51Z)
An Interpretable and Attention-based Method for Gaze Estimation Using Electroencephalography [8.09848629098117]
脳波データから視線を推定するための解釈可能なモデルを提案するため,脳波と視線追跡を同時に測定した大規模なデータセットを利用する。本稿では,脳波信号分析のための新しい注目に基づくディープラーニングフレームワークを提案する。
論文参考訳（メタデータ） (2023-08-09T16:58:01Z)
A Convolutional Spiking Network for Gesture Recognition in Brain-Computer Interfaces [0.8122270502556371]
脳信号に基づく手振り分類の例題問題に対して,簡単な機械学習に基づくアプローチを提案する。本手法は脳波データとECoGデータの両方で異なる対象に一般化し,92.74-97.07%の範囲で精度が向上することを示した。
論文参考訳（メタデータ） (2023-04-21T16:23:40Z)
Optimized EEG based mood detection with signal processing and deep neural networks for brain-computer interface [0.0]
本研究の目的は,脳波と被験者の気分との関係を識別するスマート意思決定モデルを確立することである。健康な28人の被験者の脳波は同意を得て観測され、気分を研究・認識する試みがなされている。これらの技術を用いて、96.01%の検出精度が得られた。
論文参考訳（メタデータ） (2023-03-30T15:23:24Z)
Electroencephalography and mild cognitive impairment research: A scoping review and bibliometric analysis (ScoRBA) [0.0]
軽度認知障害(MCI)はしばしばアルツハイマー病(AD)の前駆者と見なされる EEGは低コストで時間分解能が優れているため、研究者の間では最も人気があり、頻繁に使用されるツールである。
論文参考訳（メタデータ） (2022-11-01T06:52:19Z)
fMRI from EEG is only Deep Learning away: the use of interpretable DL to unravel EEG-fMRI relationships [68.8204255655161]
多チャンネル脳波データからいくつかの皮質下領域の活性を回復するための解釈可能な領域基底解を提案する。我々は,皮質下核の血行動態信号の頭皮脳波予測の空間的・時間的パターンを復元する。
論文参考訳（メタデータ） (2022-10-23T15:11:37Z)
A Deep Learning Approach for the Segmentation of Electroencephalography Data in Eye Tracking Applications [56.458448869572294]
脳波データの時系列セグメンテーションのための新しいフレームワークDETRtimeを紹介する。エンドツーエンドのディープラーニングベースのフレームワークは、コンピュータビジョンの進歩を前面に立たせています。我々のモデルは脳波睡眠ステージセグメンテーションのタスクにおいてよく一般化される。
論文参考訳（メタデータ） (2022-06-17T10:17:24Z)
Characterizing TMS-EEG perturbation indexes using signal energy: initial study on Alzheimer's Disease classification [48.42347515853289]
経頭蓋磁気刺激(TMS)と脳波記録(TMS-EEG)を組み合わせることで、脳、特にアルツハイマー病(AD)の研究に大きな可能性を示す。本研究では,脳機能の変化を反映した電位指標として,脳波信号のTMS誘発摂動の持続時間を自動的に決定する手法を提案する。
論文参考訳（メタデータ） (2022-04-29T19:27:06Z)
Review of Machine Learning Algorithms for Brain Stroke Diagnosis and Prognosis by EEG Analysis [50.591267188664666]
ストローク(Strokes)は、アメリカ合衆国の成人障害の主要な原因である。脳-コンピュータインタフェース(Brain-Computer Interfaces、BCI)は、患者の神経経路の回復または電子補綴器との効果的なコミュニケーションを支援する。さまざまな機械学習技術とアルゴリズムをBCI技術と組み合わせることで、脳卒中治療にBCIを使うことは、有望で急速に拡大する分野であることを示している。
論文参考訳（メタデータ） (2020-08-06T19:50:29Z)
Opportunities and Challenges of Deep Learning Methods for Electrocardiogram Data: A Systematic Review [62.490310870300746]
心電図(Electrocardiogram、ECG)は、医学および医療において最も一般的に用いられる診断ツールの1つである。深層学習法は心電図信号を用いた予測医療タスクにおいて有望な結果を得た。本稿では、モデリングとアプリケーションの観点から、ECGデータに対するディープラーニング手法の体系的なレビューを行う。
論文参考訳（メタデータ） (2019-12-28T02:44:29Z)

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。