論文の概要: Comparison of Epilepsy Induced by Ischemic Hypoxic Brain Injury and Hypoglycemic Brain Injury using Multilevel Fusion of Data Features
- arxiv url: http://arxiv.org/abs/2409.02957v1
- Date: Tue, 3 Sep 2024 08:25:52 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-07 01:16:35.463408
- Title: Comparison of Epilepsy Induced by Ischemic Hypoxic Brain Injury and Hypoglycemic Brain Injury using Multilevel Fusion of Data Features
- Title（参考訳）: 虚血性低酸素性脳損傷と低血糖性脳損傷によるてんかんの多段階融合による比較
- Authors: Sameer Kadem, Noor Sami, Ahmed Elaraby, Shahad Alyousif, Mohammed Jalil, M. Altaee, Muntather Almusawi, A. Ghany Ismaeel, Ali Kamil Kareem, Massila Kamalrudin, Adnan Allwi ftaiet,
- Abstract要約: 本研究は、低酸素虚血(HI)、低血糖、てんかんによる脳損傷の類似性と相違について検討することを目的とする。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: The study aims to investigate the similarities and differences in the brain damage caused by Hypoxia-Ischemia (HI), Hypoglycemia, and Epilepsy. Hypoglycemia poses a significant challenge in improving glycemic regulation for insulin-treated patients, while HI brain disease in neonates is associated with low oxygen levels. The study examines the possibility of using a combination of medical data and Electroencephalography (EEG) measurements to predict outcomes over a two-year period. The study employs a multilevel fusion of data features to enhance the accuracy of the predictions. Therefore this paper suggests a hybridized classification model for Hypoxia-Ischemia and Hypoglycemia, Epilepsy brain injury (HCM-BI). A Support Vector Machine is applied with clinical details to define the Hypoxia-Ischemia outcomes of each infant. The newborn babies are assessed every two years again to know the neural development results. A selection of four attributes is derived from the Electroencephalography records, and SVM does not get conclusions regarding the classification of diseases. The final feature extraction of the EEG signal is optimized by the Bayesian Neural Network (BNN) to get the clear health condition of Hypoglycemia and Epilepsy patients. Through monitoring and assessing physical effects resulting from Electroencephalography, The Bayesian Neural Network (BNN) is used to extract the test samples with the most log data and to report hypoglycemia and epilepsy Keywords- Hypoxia-Ischemia , Hypoglycemia , Epilepsy , Multilevel Fusion of Data Features , Bayesian Neural Network (BNN) , Support Vector Machine (SVM)
- Abstract（参考訳）: 本研究は、低酸素虚血(HI)、低血糖、てんかんによる脳損傷の類似性と相違について検討することを目的とする。
低血糖はインスリン治療患者の血糖調節を改善する上で重要な課題であり、新生児のHI脳疾患は低酸素血症と関連している。
本研究は,医療データと脳波測定を組み合わせた2年間の成果予測の可能性について検討した。
この研究は、予測の精度を高めるために、多段階のデータ特徴の融合を用いる。
そこで本研究では,低酸素血症と低血糖,てんかん性脳損傷(HCM-BI)のハイブリッド分類モデルを提案する。
各乳児の低酸素-虚血結果を定義するために,サポートベクターマシンを臨床詳細に適用した。
新生児は神経発達の結果を知るために2年ごとに評価される。
4つの属性の選択は脳波記録から導かれ、SVMは疾患の分類に関する結論を得ない。
脳波信号の最終的な特徴抽出は、低血糖とてんかん患者の明確な健康状態を得るためにベイズニューラルネットワーク(BNN)によって最適化されている。
脳波による身体効果のモニタリングと評価を通じて、ベイジアンニューラルネットワーク(BNN)は、最もログの少ないデータを用いてテストサンプルを抽出し、低血糖とてんかんのキーワード、低血糖、低血糖、てんかん、多段階データ特徴融合、ベイジアンニューラルネットワーク(BNN)、サポートベクトルマシン(SVM)を報告するために使用される。
関連論文リスト
- Deep Learning for Fetal Inflammatory Response Diagnosis in the Umbilical Cord [2.4573404709588673]
子宮の炎症は、子宮内感染などの炎症刺激の上昇の結果であると考えられる。
近年,デジタル病理学における深層学習の進歩は,幅広い臨床課題において良好な成績を示した。
論文 参考訳（メタデータ） (2024-11-14T19:24:46Z) - A Demographic-Conditioned Variational Autoencoder for fMRI Distribution Sampling and Removal of Confounds [49.34500499203579]
変動型オートエンコーダ(VAE)ベースのモデルであるDemoVAEを作成し、人口統計学から fMRI の特徴を推定する。
ユーザが供給する人口動態に基づいて,高品質な合成fMRIデータを生成する。
論文 参考訳（メタデータ） (2024-05-13T17:49:20Z) - BrainNet: Epileptic Wave Detection from SEEG with Hierarchical Graph
Diffusion Learning [21.689503325383253]
実世界のSEEGデータセットにおけるてんかん性波を検出するための,最初のデータ駆動型研究を提案する。
臨床的には、てんかん波の活動は脳の異なる領域間で伝播していると考えられている。
各患者に対して正確なてんかん原性ネットワークをどうやって抽出するかという問題は、神経科学の分野では未解決の問題のままである。
論文 参考訳（メタデータ） (2023-06-15T08:29:10Z) - Deep-Learning Tool for Early Identifying Non-Traumatic Intracranial
Hemorrhage Etiology based on CT Scan [40.51754649947294]
深層学習モデルは、2011年1月から2018年4月までに収集された非外傷性ICHを用いた1868個のNCCTスキャンを用いて開発された。
診断成績は臨床医の成績と比較した。
臨床医は, システム拡張による特定の出血エチオロジーの感度, 特異性, 精度を著しく改善した。
論文 参考訳（メタデータ） (2023-02-02T08:45:17Z) - Automatic Classification of Neuromuscular Diseases in Children Using
Photoacoustic Imaging [77.32032399775152]
神経筋疾患(NMD)は、医療システムと社会の両方に重大な負担をもたらす。
激しい進行性筋力低下、筋変性、収縮、変形、進行性障害を引き起こす。
論文 参考訳（メタデータ） (2022-01-27T16:37:19Z) - Automated Detection of Abnormal EEGs in Epilepsy With a Compact and
Efficient CNN Model [9.152759278163954]
本稿では,脳波の異常時間間隔と電極を検出するための,コンパクトで効率的な畳み込みニューラルネットワーク(CNN)の開発について述べる。
EEGNetとは異なり、提案モデルであるmEEGNetは同じ数の電極入力と出力を持ち、異常を検出する。
その結果、mEEGNetは、曲線下における異常脳波、F1値、および既存のCNNと同等以上の感度を検出できた。
論文 参考訳（メタデータ） (2021-05-21T16:52:56Z) - Patient-independent Epileptic Seizure Prediction using Deep Learning
Models [39.19336481493405]
発作予知システムの目的は、発作が起こる前に起こる前頭前脳のステージを正常に識別することである。
患者に依存しない発作予測モデルは、データセット内の複数の被験者に正確なパフォーマンスを提供するように設計されている。
患者に依存しない2つの深層学習アーキテクチャを提案する。
論文 参考訳（メタデータ） (2020-11-18T23:13:48Z) - EEG-GCNN: Augmenting Electroencephalogram-based Neurological Disease
Diagnosis using a Domain-guided Graph Convolutional Neural Network [0.21756081703275995]
本稿では,頭皮電気脳波(EEG)を用いた神経疾患の診断を改善するための新しいグラフ畳み込みニューラルネットワーク(GCNN)を提案する。
脳波データのための新しいGCNNモデルであるEEG-GCNNを提案し、頭皮電極間の空間的および機能的接続を捉える。
我々は、EEG-GCNNが人間のベースラインと古典的機械学習(ML)ベースラインを大幅に上回っており、AUCは0.90であることを示した。
論文 参考訳（メタデータ） (2020-11-17T20:25:28Z) - 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) - 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) - A Graph Gaussian Embedding Method for Predicting Alzheimer's Disease
Progression with MEG Brain Networks [59.15734147867412]
アルツハイマー病(AD)に関連する機能的脳ネットワークの微妙な変化を特徴付けることは、疾患進行の早期診断と予測に重要である。
我々は、多重グラフガウス埋め込みモデル(MG2G)と呼ばれる新しいディープラーニング手法を開発した。
我々はMG2Gを用いて、MEG脳ネットワークの内在性潜在性次元を検出し、軽度認知障害(MCI)患者のADへの進行を予測し、MCIに関連するネットワーク変化を伴う脳領域を同定した。
論文 参考訳（メタデータ） (2020-05-08T02:29:24Z)
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。