論文の概要: Detection of Sleep Oxygen Desaturations from Electroencephalogram Signals

• arxiv url: http://arxiv.org/abs/2405.09566v1
• Date: Wed, 8 May 2024 11:25:12 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-19 13:49:26.416415
• Title: Detection of Sleep Oxygen Desaturations from Electroencephalogram Signals
• Title（参考訳）: 脳波信号による睡眠時酸素飽和度の検出
• Authors: Shashank Manjunath, Aarti Sathyanarayana,
• Abstract要約: 小児睡眠時無呼吸症患者の脳波(EEG)信号から、睡眠中の酸素飽和の潜在的なバイオマーカーを機械学習技術を用いて同定する。 睡眠時無呼吸症患者の脳波信号を識別し、潜伏中の脳波信号を識別する機械学習技術の開発は、睡眠時無呼吸のための脳ベースのバイオマーカーを開発するための強力なステップとなる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this work, we leverage machine learning techniques to identify potential biomarkers of oxygen desaturation during sleep exclusively from electroencephalogram (EEG) signals in pediatric patients with sleep apnea. Development of a machine learning technique which can successfully identify EEG signals from patients with sleep apnea as well as identify latent EEG signals which come from subjects who experience oxygen desaturations but do not themselves occur during oxygen desaturation events would provide a strong step towards developing a brain-based biomarker for sleep apnea in order to aid with easier diagnosis of this disease. We leverage a large corpus of data, and show that machine learning enables us to classify EEG signals as occurring during oxygen desaturations or not occurring during oxygen desaturations with an average 66.8% balanced accuracy. We furthermore investigate the ability of machine learning models to identify subjects who experience oxygen desaturations from EEG data that does not occur during oxygen desaturations. We conclude that there is a potential biomarker for oxygen desaturation in EEG data.
• Abstract（参考訳）: 本研究では,睡眠時酸素飽和の潜在的なバイオマーカーを,小児の睡眠時無呼吸症患者の脳波信号から同定するために機械学習技術を活用する。 睡眠時無呼吸症患者の脳波信号の同定に成功し、また、酸素の飽和を経験するが酸素の飽和時に自分自身が起こらない潜在脳波信号を識別する機械学習技術の開発は、この疾患の診断を容易にするために、睡眠時無呼吸のための脳ベースのバイオマーカーを開発するための強力なステップとなる。 我々は大量のデータのコーパスを活用し、機械学習によって平均66.8%の精度で、酸素の飽和時に発生するか、酸素の飽和時に起こるものではないかとして、脳波信号を分類できることを示す。 さらに, 酸素飽和時に発生しない脳波データから, 酸素飽和を経験する被験者を識別する機械学習モデルの有用性について検討した。 脳波データには酸素の飽和に関する潜在的なバイオマーカーが存在すると結論付けている。

関連論文リスト

• From Epilepsy Seizures Classification to Detection: A Deep Learning-based Approach for Raw EEG Signals [0.8182812460605992]
  側頭葉てんかんの3分の1は薬剤耐性を示す。 抗敗血症薬開発の鍵となるのはてんかん発作の検出と定量化である。 本研究では,脳波信号に適用した深層学習モデルに基づく発作検出パイプラインを提案する。
  論文  参考訳（メタデータ） (2024-10-04T12:52:37Z)
• Contactless Oxygen Monitoring with Gated Transformer [34.09952889918388]
  そこで本研究では,患者が自宅で血液酸素をモニタリングするための非接触型アプローチを提案する。 患者の呼吸を、体から跳ね返る電波信号から抽出し、呼吸信号から患者の酸素推定を推測する新しいニューラルネットワークを考案する。
  論文  参考訳（メタデータ） (2022-12-06T22:43:59Z)
• 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)
• 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)
• Recognition of Patient Groups with Sleep Related Disorders using Bio-signal Processing and Deep Learning [2.552015272583579]
  心電図(ECG)と心電図(EMG)は呼吸障害や運動関連睡眠障害の診断に用いられている。 ディープラーニングフレームワークは、EMGとECG機能を組み込むように設計されている。 この枠組みは、健常者、閉塞性睡眠時無呼吸症(OSA)患者、レスレス脚症候群(RLS)患者、およびOSAおよびRSS患者の4つのグループに分類されている。
  論文  参考訳（メタデータ） (2021-11-10T20:19:15Z)
• SOUL: An Energy-Efficient Unsupervised Online Learning Seizure Detection Classifier [68.8204255655161]
  神経活動を記録して発作を検出するインプラントデバイスは、発作を抑えるために警告を発したり神経刺激を誘発したりするために採用されている。 移植可能な発作検出システムでは、低出力で最先端のオンライン学習アルゴリズムを使用して、神経信号のドリフトに動的に適応することができる。 SOULはTSMCの28nmプロセスで0.1mm2を占め、1.5nJ/分級エネルギー効率を実現した。
  論文  参考訳（メタデータ） (2021-10-01T23:01:20Z)
• A Novel Transferability Attention Neural Network Model for EEG Emotion Recognition [51.203579838210885]
  脳波感情認識のための伝達型注目ニューラルネットワーク(TANN)を提案する。 TANNは、伝達可能な脳波領域のデータとサンプルを適応的に強調することにより、感情的な識別情報を学習する。 これは、複数の脳領域レベル判別器と1つのサンプルレベル判別器の出力を測定することで実現できる。
  論文  参考訳（メタデータ） (2020-09-21T02:42:30Z)
• Video-based Remote Physiological Measurement via Cross-verified Feature Disentangling [121.50704279659253]
  非生理的表現と生理的特徴を混同するための横断的特徴分離戦略を提案する。 次に, 蒸留された生理特性を用いて, 頑健なマルチタスク生理測定を行った。 歪んだ特徴は、最終的に平均HR値やr信号のような複数の生理的信号の合同予測に使用される。
  論文  参考訳（メタデータ） (2020-07-16T09:39:17Z)
• Grading the severity of hypoxic-ischemic encephalopathy in newborn EEG using a convolutional neural network [3.2498534294827044]
  本研究では、深層畳み込みニューラルネットワークを用いて、生の脳波データ内の階層的表現を学習する、新しいエンドツーエンドアーキテクチャを提案する。 本システムは低酸素性虚血性脳症を4段階に分類し,54人の新生児から63時間の多チャンネル脳波データセットを用いて評価した。
  論文  参考訳（メタデータ） (2020-05-12T05:58:27Z)
• 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)
• 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。