論文の概要: Multimodal Sleep Apnea Detection with Missing or Noisy Modalities

• arxiv url: http://arxiv.org/abs/2402.17788v1
• Date: Sat, 24 Feb 2024 16:29:36 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-29 17:35:45.047619
• Title: Multimodal Sleep Apnea Detection with Missing or Noisy Modalities
• Title（参考訳）: 欠損・雑音を伴う多モード睡眠時無呼吸
• Authors: Hamed Fayyaz, Abigail Strang, Niharika S. D'Souza, Rahmatollah Beheshti
• Abstract要約: 本研究では,睡眠時無呼吸検出を行う際の欠損や雑音を補うことを目的とした包括的パイプラインを提案する。 本実験は,睡眠時無呼吸の検出において,提案モデルが他の最先端手法よりも優れていることを示す。
• 参考スコア（独自算出の注目度）: 1.3518297878940662
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Polysomnography (PSG) is a type of sleep study that records multimodal physiological signals and is widely used for purposes such as sleep staging and respiratory event detection. Conventional machine learning methods assume that each sleep study is associated with a fixed set of observed modalities and that all modalities are available for each sample. However, noisy and missing modalities are a common issue in real-world clinical settings. In this study, we propose a comprehensive pipeline aiming to compensate for the missing or noisy modalities when performing sleep apnea detection. Unlike other existing studies, our proposed model works with any combination of available modalities. Our experiments show that the proposed model outperforms other state-of-the-art approaches in sleep apnea detection using various subsets of available data and different levels of noise, and maintains its high performance (AUROC>0.9) even in the presence of high levels of noise or missingness. This is especially relevant in settings where the level of noise and missingness is high (such as pediatric or outside-of-clinic scenarios).
• Abstract（参考訳）: ポリソムノグラフィー(英: Polysomnography、PSG)は、多モード生理信号を記録する睡眠研究の一種で、睡眠ステージングや呼吸イベント検出などの目的で広く用いられている。 従来の機械学習手法では、各睡眠研究は、観測されたモダリティの固定セットと関連付けられ、各サンプルに対してすべてのモダリティが利用できると仮定している。 しかし, 実世界の臨床場面では, ノイズや欠如が一般的な問題である。 本研究では,睡眠時無呼吸検出を行う際の欠如や騒音の補正を目的とした包括的パイプラインを提案する。 他の既存の研究とは異なり、提案モデルは利用可能なモダリティの任意の組み合わせで機能する。 提案手法は,高レベルな騒音や欠如がある場合でも高い性能(auroc>0.9)を維持しつつ,利用可能なデータの様々なサブセットと異なるレベルのノイズを用いた睡眠時無呼吸検出における他の最先端手法よりも優れることを示す。 これは特に、ノイズと欠損のレベルが高い設定(例えば小児科または臨床外のシナリオ)に関係している。

関連論文リスト

• A Deep Learning Approach to Localizing Multi-level Airway Collapse Based on Snoring Sounds [1.165734481380989]
  閉塞型睡眠時無呼吸症候群(OSA)患者における上気道の異なるレベルの刺激音の分類にマシン/ディープ学習の適用について検討した。 39名を対象に,Vellum,Oropharynx,Tongue Base,Epiglottis (VOTE) 分類システムを用いて,聴力評価を行った。 畳み込みニューラルネットワーク(CNN)であるResNet-50は、いびき音の分類において、最高の全体的な性能を示した。
  論文  参考訳（メタデータ） (2024-08-28T09:30:20Z)
• CoRe-Sleep: A Multimodal Fusion Framework for Time Series Robust to Imperfect Modalities [10.347153539399836]
  CoRe-SleepはCoordinated Representation Multimodal fusion Networkである。 このような堅牢性を達成するための鍵として,マルチモーダル情報の適切な処理が重要であることを示す。 本研究の目的は,自動解析ツールと臨床応用とのギャップを埋めることである。
  論文  参考訳（メタデータ） (2023-03-27T18:28:58Z)
• Attention-based Learning for Sleep Apnea and Limb Movement Detection using Wi-Fi CSI Signals [6.682252544052753]
  本研究では,睡眠時無呼吸および肢運動検出システム(ALESAL)の注意に基づく学習を提案する。 提案したALESALシステムは84.33の重み付きF1スコアを達成でき、既存のサポートベクトルマシンとディープ多層パーセプトロンの非アテンションに基づく他の手法よりも優れている。
  論文  参考訳（メタデータ） (2023-03-26T19:40:37Z)
• The role of noise in denoising models for anomaly detection in medical images [62.0532151156057]
  病理脳病変は脳画像に多彩な外観を示す。 正規データのみを用いた教師なし異常検出手法が提案されている。 空間分解能の最適化と雑音の大きさの最適化により,異なるモデル学習体制の性能が向上することを示す。
  論文  参考訳（メタデータ） (2023-01-19T21:39:38Z)
• Sleep Activity Recognition and Characterization from Multi-Source Passively Sensed Data [67.60224656603823]
  睡眠活動認識法は、被験者の睡眠覚醒サイクルを評価し、監視し、特徴づけ、行動の変化を検出する指標を提供することができる。 本稿では,スマートフォンから受動的に知覚されたデータを連続的に操作して,睡眠の特徴を識別し,重要な睡眠エピソードを識別する一般的な方法を提案する。 これらの装置は、その用途により、連続的で客観的で非侵襲的な方法で被験者の生体リズムをプロファイルするための優れた代替データ源となっている。
  論文  参考訳（メタデータ） (2023-01-17T15:18:45Z)
• Convolutional Neural Networks for Sleep Stage Scoring on a Two-Channel EEG Signal [63.18666008322476]
  睡眠障害は、世界中の主要な病気の1つです。 専門家が使用する基本的なツールはPolysomnogramで、睡眠中に記録された様々な信号の集合である。 専門家は、標準的なガイドラインの1つに従って異なる信号を採点する必要があります。
  論文  参考訳（メタデータ） (2021-03-30T09:59:56Z)
• Improving Medical Image Classification with Label Noise Using Dual-uncertainty Estimation [72.0276067144762]
  医用画像における2種類のラベルノイズについて論じ,定義する。 医用画像分類作業中にこれら2つのラベルノイズを処理する不確実性推定に基づくフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-02-28T14:56:45Z)
• Adaptive Multi-View ICA: Estimation of noise levels for optimal inference [65.94843987207445]
  Adaptive MultiView ICA (AVICA) はノイズの多いICAモデルであり、各ビューは共有された独立したソースと付加的なノイズの線形混合である。 AVICAは、その明示的なMMSE推定器により、他のICA法よりも優れたソース推定値が得られる。 実脳磁図(MEG)データでは,分解がサンプリングノイズに対する感度が低く,ノイズ分散推定が生物学的に妥当であることを示す。
  論文  参考訳（メタデータ） (2021-02-22T13:10:12Z)
• 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)
• Sleep Stage Scoring Using Joint Frequency-Temporal and Unsupervised Features [5.104181562775778]
  多くの自動睡眠ステージ認識法が提案されている。 これらの手法のほとんどは、バイタル信号から抽出された時間周波数の特徴を用いる。 近年,教師なし特徴抽出にディープニューラルネットワークを用いるASSR法が提案されている。 本稿では,この2つのアイデアを組み合わせて,時間周波数と教師なしの特徴を同時に利用することを提案する。
  論文  参考訳（メタデータ） (2020-04-10T02:00:29Z)
• Automatic scoring of apnea and hypopnea events using blood oxygen saturation signals [0.0]
  DAS-KSVDを用いて、睡眠健康研究データベースから得られた信号から無呼吸および低呼吸の事象を検出し分類した。 中等度から重度のOSAHスクリーニングでは、それぞれ0.957の曲線と87.56%と88.32%の診断感度と特異性を示す特性曲線解析を行う。
  論文  参考訳（メタデータ） (2020-03-22T15:17:20Z)

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。