論文の概要: Machine Learning to Detect Anxiety Disorders from Error-Related Negativity and EEG Signals

• arxiv url: http://arxiv.org/abs/2410.00028v1
• Date: Mon, 16 Sep 2024 14:55:47 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-05 15:29:12.959280
• Title: Machine Learning to Detect Anxiety Disorders from Error-Related Negativity and EEG Signals
• Title（参考訳）: 誤り関連負性信号と脳波信号から不安障害を検出する機械学習
• Authors: Ramya Chandrasekar, Md Rakibul Hasan, Shreya Ghosh, Tom Gedeon, Md Zakir Hossain,
• Abstract要約: 本稿では,脳波とERNマーカーを用いた不安検出に関する54の研究論文を体系的にレビューする。 我々の分析では、サポートベクターマシンやランダムフォレストなど、従来の機械学習が広く使われていることを強調している。 分析の結果, 現実の課題に対処するためには, 堅牢で汎用的な不安予測手法の開発が必要であることが明らかとなった。
• 参考スコア（独自算出の注目度）: 6.568471315961233
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Anxiety is a common mental health condition characterised by excessive worry, fear and apprehension about everyday situations. Even with significant progress over the past few years, predicting anxiety from electroencephalographic (EEG) signals, specifically using error-related negativity (ERN), still remains challenging. Following the PRISMA protocol, this paper systematically reviews 54 research papers on using EEG and ERN markers for anxiety detection published in the last 10 years (2013 -- 2023). Our analysis highlights the wide usage of traditional machine learning, such as support vector machines and random forests, as well as deep learning models, such as convolutional neural networks and recurrent neural networks across different data types. Our analysis reveals that the development of a robust and generic anxiety prediction method still needs to address real-world challenges, such as task-specific setup, feature selection and computational modelling. We conclude this review by offering potential future direction for non-invasive, objective anxiety diagnostics, deployed across diverse populations and anxiety sub-types.
• Abstract（参考訳）: 不安は、日常の状況に対する過度の心配、恐怖、理解によって特徴づけられる一般的な精神状態である。 過去数年間の著しい進歩にもかかわらず、脳波(EEG)信号からの不安、特にエラー関連陰性度(ERN)の予測は依然として困難である。 PRISMAプロトコルに従って,過去10年(2013年～2023年)に発行された不安検出のための脳波マーカーとERNマーカーの使用に関する54の論文を体系的にレビューした。 我々の分析では、サポートベクターマシンやランダムフォレストといった従来の機械学習や、畳み込みニューラルネットワークやさまざまなデータタイプにわたるリカレントニューラルネットワークといったディープラーニングモデルの利用が強調されている。 分析の結果,タスク固有の設定や特徴選択,計算モデルといった現実的な課題に,頑健で汎用的な不安予測手法の開発が依然として対応する必要があることが明らかとなった。 本研究は, 多様な集団および不安サブタイプに展開する非侵襲的, 客観的な不安診断のための潜在的方向性を提供することで, 本研究を結論づける。

関連論文リスト

• Benchmarking Reliability of Deep Learning Models for Pathological Gait Classification [2.1548132286330453]
  最近研究者たちは、機械学習アルゴリズムの進歩を活用して、歩行変化の症状を検出することを試みた。 本稿では,翻訳を阻害するギャップを同定するための既存手法について分析する。 我々は,複数の病的歩行のカテゴリを確実に区別できるAMS-GCN (Asynchronous Multi-Stream Graph Convolutional Network) という強力なベースラインを提案する。
  論文  参考訳（メタデータ） (2024-09-20T16:47:45Z)
• A Survey of Artificial Intelligence in Gait-Based Neurodegenerative Disease Diagnosis [51.07114445705692]
  神経変性疾患(神経変性疾患、ND)は、伝統的に医学的診断とモニタリングのために広範囲の医療資源と人的努力を必要とする。 重要な疾患関連運動症状として、ヒトの歩行を利用して異なるNDを特徴づけることができる。 人工知能(AI)モデルの現在の進歩は、NDの識別と分類のための自動歩行分析を可能にする。
  論文  参考訳（メタデータ） (2024-05-21T06:44:40Z)
• Investigating the Generalizability of Physiological Characteristics of Anxiety [3.4036712573981607]
  不安やストレスと高覚醒感情との関連が示された生理的特徴の一般化可能性を評価する。 この研究は、心電図やEDA信号からストレスと覚醒を横断する最初のクロスコーパス評価であり、ストレス検出の一般化性に関する新たな発見に寄与した。
  論文  参考訳（メタデータ） (2024-01-23T16:49:54Z)
• Personalized State Anxiety Detection: An Empirical Study with Linguistic Biomarkers and A Machine Learning Pipeline [7.512067061195175]
  社会不安の症状が高い人は、しばしば社会的状況における状態不安の上昇を示す。 デジタルバイオマーカーと機械学習技術を利用して、状態の不安を検出することが可能である。
  論文  参考訳（メタデータ） (2023-04-19T19:06:42Z)
• Safe AI for health and beyond -- Monitoring to transform a health service [51.8524501805308]
  機械学習アルゴリズムの出力を監視するために必要なインフラストラクチャを評価する。 モデルのモニタリングと更新の例を示す2つのシナリオを提示します。
  論文  参考訳（メタデータ） (2023-03-02T17:27:45Z)
• Bias Reducing Multitask Learning on Mental Health Prediction [18.32551434711739]
  メンタルヘルスの検出や予測のための機械学習モデルの開発では、研究が増加している。 本研究では,マルチタスク学習に基づくバイアス緩和手法を不安予測モデルに適用し,公平性分析を行うことを目的とする。 分析の結果、我々の不安予測ベースモデルでは、年齢、収入、民族性、そして参加者が米国で生まれたかどうかに偏りが生じていた。
  論文  参考訳（メタデータ） (2022-08-07T02:28:32Z)
• Machine Learning Based Anxiety Detection in Older Adults using Wristband Sensors and Context Feature [1.52292571922932]
  本手法は,1つの生理的信号の特徴と実験的文脈に基づく特徴を組み合わせ,不安検出手法を提案する。 本研究は, 高齢者の不安の長期モニタリングを容易にするために, 低コストのコンシューマーデバイスを用いた不安検知手法の有効性を示すものである。
  論文  参考訳（メタデータ） (2021-06-06T03:17:29Z)
• Neuro-symbolic Neurodegenerative Disease Modeling as Probabilistic Programmed Deep Kernels [93.58854458951431]
  本稿では、神経変性疾患のパーソナライズされた予測モデリングのための、確率的プログラムによる深層カーネル学習手法を提案する。 我々の分析は、ニューラルネットワークとシンボリック機械学習のアプローチのスペクトルを考慮する。 我々は、アルツハイマー病の予測問題について評価を行い、深層学習を超越した結果を得た。
  論文  参考訳（メタデータ） (2020-09-16T15:16:03Z)
• Anxiety Detection Leveraging Mobile Passive Sensing [53.11661460916551]
  不安障害は、子供と成人の両方に影響を及ぼす最も一般的な精神医学的問題である。 スマートフォンから受動的かつ控えめなデータ収集を活用することは、古典的な方法の代替となるかもしれない。 eWellnessは、個人デバイスのセンサとユーザログデータの完全な適合性を、連続的かつ受動的に追跡するために設計された、実験的なモバイルアプリケーションである。
  論文  参考訳（メタデータ） (2020-08-09T20:22:52Z)
• 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)
• Adversarial vs behavioural-based defensive AI with joint, continual and active learning: automated evaluation of robustness to deception, poisoning and concept drift [62.997667081978825]
  人工知能(AI)の最近の進歩は、サイバーセキュリティのための行動分析(UEBA)に新たな能力をもたらした。 本稿では、検出プロセスを改善し、人間の専門知識を効果的に活用することにより、この攻撃を効果的に軽減するソリューションを提案する。
  論文  参考訳（メタデータ） (2020-01-13T13:54:36Z)

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。