論文の概要: SzCORE: A Seizure Community Open-source Research Evaluation framework
for the validation of EEG-based automated seizure detection algorithms
- arxiv url: http://arxiv.org/abs/2402.13005v3
- Date: Fri, 8 Mar 2024 09:21:14 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-11 22:36:03.844451
- Title: SzCORE: A Seizure Community Open-source Research Evaluation framework
for the validation of EEG-based automated seizure detection algorithms
- Title（参考訳）: szcore:脳波に基づく自動発作検出アルゴリズムの検証のための発作コミュニティオープンソース研究評価フレームワーク
- Authors: Jonathan Dan, Una Pale, Alireza Amirshahi, William Cappelletti, Thorir
Mar Ingolfsson, Xiaying Wang, Andrea Cossettini, Adriano Bernini, Luca
Benini, S\'andor Beniczky, David Atienza, Philippe Ryvlin
- Abstract要約: 本稿では,脳波を用いた発作検出アルゴリズムの標準化を目的とした統合フレームワークを提案する。
既存のガイドラインとレコメンデーションに基づいて、このフレームワークはデータセット、ファイルフォーマット、EEGデータ入力コンテンツ、アセプションアノテーション入力と出力、クロスバリデーション戦略、パフォーマンスメトリクスに関連する一連のレコメンデーションと標準を導入している。
また,公開データセットを標準フォーマットに変換する機械学習ベンチマークである,10～20回の発作検出ベンチマークを提案する。
- 参考スコア（独自算出の注目度）: 10.815433358168082
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The need for high-quality automated seizure detection algorithms based on
electroencephalography (EEG) becomes ever more pressing with the increasing use
of ambulatory and long-term EEG monitoring. Heterogeneity in validation methods
of these algorithms influences the reported results and makes comprehensive
evaluation and comparison challenging. This heterogeneity concerns in
particular the choice of datasets, evaluation methodologies, and performance
metrics. In this paper, we propose a unified framework designed to establish
standardization in the validation of EEG-based seizure detection algorithms.
Based on existing guidelines and recommendations, the framework introduces a
set of recommendations and standards related to datasets, file formats, EEG
data input content, seizure annotation input and output, cross-validation
strategies, and performance metrics. We also propose the 10-20 seizure
detection benchmark, a machine-learning benchmark based on public datasets
converted to a standardized format. This benchmark defines the machine-learning
task as well as reporting metrics. We illustrate the use of the benchmark by
evaluating a set of existing seizure detection algorithms. The SzCORE (Seizure
Community Open-source Research Evaluation) framework and benchmark are made
publicly available along with an open-source software library to facilitate
research use, while enabling rigorous evaluation of the clinical significance
of the algorithms, fostering a collective effort to more optimally detect
seizures to improve the lives of people with epilepsy.
- Abstract（参考訳）: 脳波(EEG)に基づく高品質な自動発作検出アルゴリズムの必要性は、脳波モニタリングと長期脳波モニタリングの利用の増加によりますます強まりつつある。
これらのアルゴリズムの検証方法における不均一性は、報告された結果に影響を与え、包括的な評価と比較を困難にする。
この多様性は、特にデータセット、評価方法論、パフォーマンスメトリクスの選択に関するものです。
本稿では,脳波に基づく発作検出アルゴリズムの検証における標準化を確立するために設計された統一フレームワークを提案する。
既存のガイドラインと推奨に基づいて、このフレームワークはデータセット、ファイルフォーマット、脳波データ入力コンテンツ、入力と出力の入力、相互評価戦略、パフォーマンスメトリクスに関する一連の推奨と標準を導入している。
また,公開データセットを標準フォーマットに変換する機械学習ベンチマークである,10～20回の発作検出ベンチマークを提案する。
このベンチマークでは、機械学習タスクとメトリクスのレポートを定義している。
既存の発作検出アルゴリズムのセットを評価することで、ベンチマークの使用について説明する。
SzCORE(Seizure Community Open-source Research Evaluation)フレームワークとベンチマークは、研究を容易にするためのオープンソースソフトウェアライブラリとともに公開され、アルゴリズムの臨床的意義の厳密な評価を可能にし、てんかん患者の生活を改善するために発作をより最適に検出する全体的な取り組みを促進する。
関連論文リスト
- On the Universal Adversarial Perturbations for Efficient Data-free
Adversarial Detection [55.73320979733527]
本稿では,UAPに対して正常サンプルと逆サンプルの異なる応答を誘導する,データに依存しない逆検出フレームワークを提案する。
実験結果から,本手法は様々なテキスト分類タスクにおいて,競合検出性能を実現することが示された。
論文 参考訳（メタデータ） (2023-06-27T02:54:07Z) - IM-IAD: Industrial Image Anomaly Detection Benchmark in Manufacturing [88.35145788575348]
画像異常検出(英: Image Anomaly Detection、IAD)は、産業用コンピュータビジョンの課題である。
統一IMベンチマークの欠如は、現実世界のアプリケーションにおけるIADメソッドの開発と利用を妨げる。
7つの主要なデータセットに19のアルゴリズムを含む包括的画像異常検出ベンチマーク(IM-IAD)を構築した。
論文 参考訳（メタデータ） (2023-01-31T01:24:45Z) - Validation Diagnostics for SBI algorithms based on Normalizing Flows [55.41644538483948]
本研究は,NFに基づく多次元条件(後)密度推定器の検証診断を容易にすることを提案する。
また、局所的な一貫性の結果に基づいた理論的保証も提供する。
この作業は、より良い特定モデルの設計を支援したり、新しいSBIアルゴリズムの開発を促進するのに役立つだろう。
論文 参考訳（メタデータ） (2022-11-17T15:48:06Z) - Self-Supervised Learning for Anomalous Channel Detection in EEG Graphs:
Application to Seizure Analysis [4.1372815372396525]
本稿では、発作データへのアクセスが不要な自己教師付き方法で発作チャンネルやクリップを検出することを提案する。
提案手法は,脳波グラフに埋め込まれた局所構造情報と文脈情報を,正と負のサブグラフを用いて検討する。
我々は,脳波による発作研究において,最も大きな発作データセットに関する広範な実験を行い,提案手法が最先端の手法より優れていることを示す。
論文 参考訳（メタデータ） (2022-08-15T21:56:30Z) - Reframed GES with a Neural Conditional Dependence Measure [20.47061693587848]
Wevisit the Greedy Equivalence Search (GES) algorithm, which is known as a score-based algorithm for learn the Markov equivalence class (MEC)。
本稿では,GESアルゴリズムの再フレーミングについて述べる。
本稿では,ディープニューラルネットワークの表現力を利用したニューラル条件依存尺度を提案する。
論文 参考訳（メタデータ） (2022-06-17T03:29:08Z) - Reinforcement Learning with Heterogeneous Data: Estimation and Inference [84.72174994749305]
人口の不均一性に関する逐次的決定問題に対処するために,K-ヘテロ・マルコフ決定過程(K-ヘテロ・MDP)を導入する。
本稿では、ある政策の価値を推定するための自己クラスタ化政策評価(ACPE)と、ある政策クラスにおける最適な政策を推定するための自己クラスタ化政策イテレーション(ACPI)を提案する。
理論的な知見を裏付けるシミュレーションを行い,MIMIC-III標準データセットの実証的研究を行った。
論文 参考訳（メタデータ） (2022-01-31T20:58:47Z) - Adaptive Template Enhancement for Improved Person Recognition using
Small Datasets [0.9668407688201358]
本稿では,脳波(EEG)信号の新たな分類法を提案し,評価した。
提案した適応テンプレート拡張機構は,各特徴次元を別々に扱うことで特徴レベルのインスタンスを変換する。
提案手法は,識別シナリオと検証シナリオの両方において,分類精度が大幅に向上したことを示す。
論文 参考訳（メタデータ） (2022-01-03T10:14:38Z) - Scalable Intervention Target Estimation in Linear Models [52.60799340056917]
因果構造学習への現在のアプローチは、既知の介入目標を扱うか、仮説テストを使用して未知の介入目標を発見する。
本稿では、全ての介入対象を一貫して識別するスケーラブルで効率的なアルゴリズムを提案する。
提案アルゴリズムは、与えられた観測マルコフ同値クラスを介入マルコフ同値クラスに更新することも可能である。
論文 参考訳（メタデータ） (2021-11-15T03:16:56Z) - Multicriteria Group Decision-Making Under Uncertainty Using Interval
Data and Cloud Models [0.0]
本稿では,データを間隔として収集する不確実性の下で,MCGDM(Multicriteria group decision making)アルゴリズムを提案する。
提案したMCGDMアルゴリズムは、データを集約し、基準の最適な重みを決定し、さらに入力を行わずに代替品をランク付けする。
提案アルゴリズムは,サイバーセキュリティ問題のケーススタディに実装され,その実現可能性と有効性を示す。
論文 参考訳（メタデータ） (2020-12-01T06:34:48Z) - Bayesian Optimization with Machine Learning Algorithms Towards Anomaly
Detection [66.05992706105224]
本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。
ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。
実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
論文 参考訳（メタデータ） (2020-08-05T19:29:35Z) - Surrogate-assisted performance prediction for data-driven knowledge
discovery algorithms: application to evolutionary modeling of clinical
pathways [0.0]
本稿では,データ駆動型知識発見アルゴリズムの性能予測手法の提案と検討を行う。
この手法は、ターゲットアルゴリズムの品質と性能を予測するための代理モデルの同定に基づいている。
論文 参考訳（メタデータ） (2020-04-02T16:49:43Z)
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。