Fugu-MT 論文翻訳(概要): Alzheimer's disease detection in PSG signals

論文の概要: Alzheimer's disease detection in PSG signals

arxiv url: http://arxiv.org/abs/2404.03549v1
Date: Thu, 4 Apr 2024 15:56:23 GMT
ステータス: 処理完了
システム内更新日: 2024-04-05 14:12:26.354253
Title: Alzheimer's disease detection in PSG signals
Title（参考訳）: PSG信号におけるアルツハイマー病の検出
Authors: Lorena Gallego-Viñarás, Juan Miguel Mira-Tomás, Anna Michela-Gaeta, Gerard Pinol-Ripoll, Ferrán Barbé, Pablo M. Olmos, Arrate Muñoz-Barrutia,
Abstract要約: アルツハイマー病(AD)と睡眠障害は密接に関連しており、睡眠パターンの混乱は早期ADの発症に先行することが多い。本研究は、睡眠関連脳波(EEG)信号によるADの早期検出の可能性について検討した。我々の主な焦点は、データ可用性に制限があるため、脳波信号の分類のための半教師付きディープラーニング技術を探ることである。
参考スコア（独自算出の注目度）: 2.8691549050152965
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Alzheimer's disease (AD) and sleep disorders exhibit a close association, where disruptions in sleep patterns often precede the onset of Mild Cognitive Impairment (MCI) and early-stage AD. This study delves into the potential of utilizing sleep-related electroencephalography (EEG) signals acquired through polysomnography (PSG) for the early detection of AD. Our primary focus is on exploring semi-supervised Deep Learning techniques for the classification of EEG signals due to the clinical scenario characterized by the limited data availability. The methodology entails testing and comparing the performance of semi-supervised SMATE and TapNet models, benchmarked against the supervised XCM model, and unsupervised Hidden Markov Models (HMMs). The study highlights the significance of spatial and temporal analysis capabilities, conducting independent analyses of each sleep stage. Results demonstrate the effectiveness of SMATE in leveraging limited labeled data, achieving stable metrics across all sleep stages, and reaching 90% accuracy in its supervised form. Comparative analyses reveal SMATE's superior performance over TapNet and HMM, while XCM excels in supervised scenarios with an accuracy range of 92 - 94%. These findings underscore the potential of semi-supervised models in early AD detection, particularly in overcoming the challenges associated with the scarcity of labeled data. Ablation tests affirm the critical role of spatio-temporal feature extraction in semi-supervised predictive performance, and t-SNE visualizations validate the model's proficiency in distinguishing AD patterns. Overall, this research contributes to the advancement of AD detection through innovative Deep Learning approaches, highlighting the crucial role of semi-supervised learning in addressing data limitations.
Abstract（参考訳）: アルツハイマー病(AD)と睡眠障害は密接に関連しており、睡眠パターンの混乱は軽度認知障害(MCI)と早期ADの発症に先行することが多い。本研究は,睡眠関連脳波(EEG)信号の早期検出にPSG(Polysomnography)による利用の可能性について検討した。本研究は,脳波信号の分類のための半教師付き深層学習技術を検討することを目的としている。この手法は、半教師付きSMATEモデルとTapNetモデルの試験と比較を行い、教師付きXCMモデルと教師なしHMM(Hidden Markov Models)とをベンチマークする。この研究は、各睡眠段階の独立した分析を行い、空間的および時間的分析能力の重要性を強調した。その結果,限定ラベル付きデータを活用する上でSMATEの有効性が示され,すべての睡眠段階にわたって安定した測定値が得られ,90%の精度が得られた。比較分析では、TapNetとHMMよりもSMATEの方が優れた性能を示し、XCMは92～94%の精度で教師付きシナリオに優れている。これらの結果から,早期AD検出における半教師付きモデルの可能性,特にラベル付きデータの不足に伴う課題を克服する可能性が示唆された。アブレーション試験では,半教師付き予測性能における時空間特徴抽出の重要性が確認され,t-SNE視覚化によりADパターンの識別精度が検証された。全体として、この研究は、革新的なディープラーニングアプローチによるAD検出の進歩に寄与し、データ制限に対処する上で、半教師付き学習が果たす重要な役割を強調している。

関連論文リスト

Federated Anomaly Detection for Early-Stage Diagnosis of Autism Spectrum Disorders using Serious Game Data [0.0]
本研究では,AutoEncoder-based Machine Learning (ML) 手法を用いて,ASD検出のための新しい半教師付きアプローチを提案する。この目的に特化して設計された真剣なゲームを通じて手作業で収集したデータを利用する。ゲーミフィケーションされたアプリケーションによって収集されたセンシティブなデータは、プライバシー漏洩の影響を受けやすいため、フェデレートラーニングフレームワークを開発した。
論文参考訳（メタデータ） (2024-10-25T23:00:12Z)
Class Balancing Diversity Multimodal Ensemble for Alzheimer's Disease Diagnosis and Early Detection [1.1475433903117624]
アルツハイマー病は、その流行の増加と関連する社会的コストにより、世界的な健康上の問題を引き起こす。従来の診断法と単一モダリティデータは、早期ADの同定に不足することが多い。本研究は,iMbalancEd Data(IMBALMED)におけるクラスBALancingの多様性を利用したマルチモーダルenseMbleの新たなアプローチを提案する。
論文参考訳（メタデータ） (2024-10-14T10:56:43Z)
Towards Within-Class Variation in Alzheimer's Disease Detection from Spontaneous Speech [60.08015780474457]
アルツハイマー病(AD)の検出は、機械学習の分類モデルを使用する有望な研究領域として浮上している。我々は、AD検出において、クラス内変異が重要な課題であると考え、ADを持つ個人は認知障害のスペクトルを示す。本稿では,ソフトターゲット蒸留 (SoTD) とインスタンスレベルの再分散 (InRe) の2つの新しい手法を提案する。
論文参考訳（メタデータ） (2024-09-22T02:06:05Z)
Deep Learning-based Classification of Dementia using Image Representation of Subcortical Signals [4.17085180769512]
アルツハイマー病 (AD) と前頭側頭型認知症 (FTD) は認知症の一般的な形態であり、それぞれ異なる進行パターンを持つ。本研究は,脳深部領域の時系列信号を解析し,認知症に対する深い学習に基づく分類システムを開発することを目的とする。
論文参考訳（メタデータ） (2024-08-20T13:11:43Z)
Intelligent Diagnosis of Alzheimer's Disease Based on Machine Learning [24.467566885575998]
この研究は、アルツハイマー病神経画像イニシアチブ(ADNI)データセットに基づいている。アルツハイマー病(AD)の早期発見と進行の解明を目的とする。
論文参考訳（メタデータ） (2024-02-13T15:43:30Z)
Leveraging Pretrained Representations with Task-related Keywords for Alzheimer's Disease Detection [69.53626024091076]
アルツハイマー病(AD)は高齢者に特に顕著である。事前学習モデルの最近の進歩は、AD検出モデリングを低レベル特徴から高レベル表現にシフトさせる動機付けとなっている。本稿では,高レベルの音響・言語的特徴から,より優れたAD関連手がかりを抽出する,いくつかの効率的な手法を提案する。
論文参考訳（メタデータ） (2023-03-14T16:03:28Z)
Exploring linguistic feature and model combination for speech recognition based automatic AD detection [61.91708957996086]
音声ベースの自動ADスクリーニングシステムは、他の臨床スクリーニング技術に代わる非侵襲的でスケーラブルな代替手段を提供する。専門的なデータの収集は、そのようなシステムを開発する際に、モデル選択と特徴学習の両方に不確実性をもたらす。本稿では,BERT と Roberta の事前学習したテキストエンコーダのドメイン微調整の堅牢性向上のための特徴とモデルの組み合わせ手法について検討する。
論文参考訳（メタデータ） (2022-06-28T05:09:01Z)
Statistical control for spatio-temporal MEG/EEG source imaging with desparsified multi-task Lasso [102.84915019938413]
脳磁図(MEG)や脳電図(EEG)のような非侵襲的手法は、非侵襲的手法を約束する。ソースローカライゼーション(ソースイメージング)の問題は、しかしながら、高次元の統計的推測問題を引き起こす。この問題に対処するために,分離されたマルチタスクラッソ(ecd-MTLasso)のアンサンブルを提案する。
論文参考訳（メタデータ） (2020-09-29T21:17:16Z)
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)
Deep Recurrent Model for Individualized Prediction of Alzheimer's Disease Progression [4.034948808542701]
アルツハイマー病(Alzheimer's disease, AD)は認知症の主要な原因の一つであり、数年間の進行が遅いことが特徴である。本稿では,MRIバイオマーカーの表現型測定と臨床状態の軌跡を予測できる新しい計算フレームワークを提案する。
論文参考訳（メタデータ） (2020-05-06T08:08:00Z)

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。