論文の概要: A Single Channel-Based Neonatal Sleep-Wake Classification using Hjorth Parameters and Improved Gradient Boosting

• arxiv url: http://arxiv.org/abs/2408.07925v1
• Date: Thu, 15 Aug 2024 04:38:24 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-16 14:58:11.684303
• Title: A Single Channel-Based Neonatal Sleep-Wake Classification using Hjorth Parameters and Improved Gradient Boosting
• Title（参考訳）: HjorthパラメータとGradient Boostingの改良による単一チャンネルを用いた新生児睡眠ウェイク分類
• Authors: Muhammad Arslan, Muhammad Mubeen, Saadullah Farooq Abbasi, Muhammad Shahbaz Khan, Wadii Boulila, Jawad Ahmad,
• Abstract要約: 本稿では,Hjorth特徴を有する単一チャネル勾配促進アルゴリズムを用いた新生児睡眠ステージ分類への新しいアプローチを提案する。 勾配上昇パラメータはランダムな探索クロスバリデーションを用いて微調整され、新生児睡眠覚醒分類では82.35%の精度が達成される。
• 参考スコア（独自算出の注目度）: 1.4947932134830437
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Sleep plays a crucial role in neonatal development. Monitoring the sleep patterns in neonates in a Neonatal Intensive Care Unit (NICU) is imperative for understanding the maturation process. While polysomnography (PSG) is considered the best practice for sleep classification, its expense and reliance on human annotation pose challenges. Existing research often relies on multichannel EEG signals; however, concerns arise regarding the vulnerability of neonates and the potential impact on their sleep quality. This paper introduces a novel approach to neonatal sleep stage classification using a single-channel gradient boosting algorithm with Hjorth features. The gradient boosting parameters are fine-tuned using random search cross-validation (randomsearchCV), achieving an accuracy of 82.35% for neonatal sleep-wake classification. Validation is conducted through 5-fold cross-validation. The proposed algorithm not only enhances existing neonatal sleep algorithms but also opens avenues for broader applications.
• Abstract（参考訳）: 睡眠は新生児の発達において重要な役割を担っている。 新生児集中治療室(NICU)における新生児の睡眠パターンのモニタリングは成熟過程の理解に不可欠である。 睡眠分類学(PSG)は睡眠分類のベストプラクティスと考えられているが、その費用と人間のアノテーションへの依存は課題を提起する。 既存の研究は、しばしばマルチチャネル脳波信号に依存しているが、新生児の脆弱性と睡眠の質への影響について懸念が生じる。 本稿では,Hjorth特徴を有する単一チャネル勾配促進アルゴリズムを用いた新生児睡眠ステージ分類への新しいアプローチを提案する。 勾配上昇パラメータはランダムサーチクロスバリデーション (randomsearchCV) を用いて微調整され、新生児睡眠覚醒分類では82.35%の精度が達成される。 検証は5倍のクロスバリデーションによって行われる。 提案アルゴリズムは、既存の新生児睡眠アルゴリズムを改良するだけでなく、幅広い用途に道を開く。

関連論文リスト

• Advancing Newborn Care: Precise Birth Time Detection Using AI-Driven Thermal Imaging with Adaptive Normalization [1.101731711817642]
  本稿では,人工知能(AI)とサーマルイメージングの融合について検討し,第1次AI駆動型バース検出器の開発について述べる。 まず,ガウス混合モデル(GMM)に基づく適応正規化手法を提案し,温度変動に関する問題を緩和する。 熱フレーム内での新生児の検出において、88.1%の精度と89.3%のリコールが報告されている。
  論文  参考訳（メタデータ） (2024-10-14T13:20:51Z)
• Rethinking PGD Attack: Is Sign Function Necessary? [131.6894310945647]
  本稿では,このような手話に基づく更新アルゴリズムが段階的攻撃性能にどのように影響するかを理論的に分析する。 本稿では,手話の使用を排除したRGDアルゴリズムを提案する。 提案したRGDアルゴリズムの有効性は実験で広く実証されている。
  論文  参考訳（メタデータ） (2023-12-03T02:26:58Z)
• Sleep Model -- A Sequence Model for Predicting the Next Sleep Stage [18.059360820527687]
  単チャンネル脳波(EEG)、脳電図(EOG)、筋電図(EMG)、心電図(ECG)などの単純なセンサーを用いた睡眠段階分類が注目されている。 本研究では、次の睡眠段階を予測する睡眠モデルを提案し、睡眠分類精度を向上させるために使用した。
  論文  参考訳（メタデータ） (2023-02-17T07:37:54Z)
• 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)
• NeuroExplainer: Fine-Grained Attention Decoding to Uncover Cortical Development Patterns of Preterm Infants [73.85768093666582]
  我々はNeuroExplainerと呼ばれる説明可能な幾何学的深層ネットワークを提案する。 NeuroExplainerは、早産に伴う幼児の皮質発達パターンの解明に使用される。
  論文  参考訳（メタデータ） (2023-01-01T12:48:12Z)
• Continual learning benefits from multiple sleep mechanisms: NREM, REM, and Synaptic Downscaling [51.316408685035526]
  先行学習を失うことなく、新しいタスクやスキルを連続して学習することは、人工ニューラルネットワークと生物学的ニューラルネットワークの両方にとって、計算上の課題である。 本稿では,3つの異なる睡眠成分のモデル化が,人工ニューラルネットワークの連続学習にどのように影響するかを検討する。
  論文  参考訳（メタデータ） (2022-09-09T13:45:27Z)
• Pediatric Sleep Scoring In-the-wild from Millions of Multi-channel EEG Signals [4.505321919386738]
  本稿では,近年の大規模睡眠研究データセットにおいて,小児の睡眠自動スコアリング結果について紹介する。 本研究では,多チャンネル脳波(EEG)信号から5つの睡眠段階を78%の精度で分類するトランスフォーマーに基づくディープニューラルネットワークモデルを開発した。
  論文  参考訳（メタデータ） (2022-06-30T17:44:16Z)
• Deep Learning for Sleep Stages Classification: Modified Rectified Linear Unit Activation Function and Modified Orthogonal Weight Initialisation [27.681891555949672]
  本研究の目的は,畳み込みニューラルネットワークの精度を高め,学習時間を短縮することである。 提案システムは,活性化関数としてシグモイド活性化関数の代わりにLeaky Rectified Linear Unit (ReLU) を用いる。
  論文  参考訳（メタデータ） (2022-02-18T18:29:15Z)
• Automatic detection of microsleep episodes with deep learning [55.41644538483948]
  15秒未満の睡眠の短い断片は、マイクロスリープエピソード(MSEs)として定義される 覚醒検査(MWT)の維持は、警戒を評価するために臨床現場でしばしば用いられる。 MSEは、MSEを定義する確立された評価基準が欠如しているため、ほとんど考慮されていない。 入力として生の脳波とEOGデータに基づいて機械学習を用いてMSEを自動的に検出することを目的とした。
  論文  参考訳（メタデータ） (2020-09-07T11:38:40Z)
• Little Motion, Big Results: Using Motion Magnification to Reveal Subtle Tremors in Infants [0.0]
  妊娠中にオピオイドに曝露された幼児は、出生後に退院の兆候や症状がしばしば現れる。 新生児失禁症候群(Neonatal Abstinence Syndrome,NAS)と呼ばれる臨床像の星座には、震動、発作、刺激性などが含まれる。 FNASSによるモニタリングは、高度に熟練した看護スタッフを必要とし、継続的な監視を困難にしている。 本稿では,増幅された動き信号を用いた地震自動検出システムを提案する。
  論文  参考訳（メタデータ） (2020-08-01T15:35:55Z)
• AdaS: Adaptive Scheduling of Stochastic Gradients [50.80697760166045]
  我々は、textit "knowledge gain" と textit "mapping condition" の概念を導入し、Adaptive Scheduling (AdaS) と呼ばれる新しいアルゴリズムを提案する。 実験によると、AdaSは派生した指標を用いて、既存の適応学習手法よりも高速な収束と優れた一般化、そして(b)いつトレーニングを中止するかを決定するための検証セットへの依存の欠如を示す。
  論文  参考訳（メタデータ） (2020-06-11T16:36:31Z)

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。