論文の概要: SODor: Long-Term EEG Partitioning for Seizure Onset Detection

• arxiv url: http://arxiv.org/abs/2412.15598v1
• Date: Fri, 20 Dec 2024 06:42:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-23 16:21:08.895884
• Title: SODor: Long-Term EEG Partitioning for Seizure Onset Detection
• Title（参考訳）: SODor:Sezureオンセット検出のための長期脳波分割
• Authors: Zheng Chen, Yasuko Matsubara, Yasushi Sakurai, Jimeng Sun,
• Abstract要約: サブシーケンスクラスタリングの新しいタスク定式化により,アクセプションのオンセットを明示的にモデル化する2段階フレームワーク,手法を提案する。 本手法は誤分類を補正し,他のベースラインよりも5%-11%の分類改善を実現し,発作発生を正確に検出する。
• 参考スコア（独自算出の注目度）: 32.453257844419504
• License:
• Abstract: Deep learning models have recently shown great success in classifying epileptic patients using EEG recordings. Unfortunately, classification-based methods lack a sound mechanism to detect the onset of seizure events. In this work, we propose a two-stage framework, \method, that explicitly models seizure onset through a novel task formulation of subsequence clustering. Given an EEG sequence, the framework first learns a set of second-level embeddings with label supervision. It then employs model-based clustering to explicitly capture long-term temporal dependencies in EEG sequences and identify meaningful subsequences. Epochs within a subsequence share a common cluster assignment (normal or seizure), with cluster or state transitions representing successful onset detections. Extensive experiments on three datasets demonstrate that our method can correct misclassifications, achieving 5%-11% classification improvements over other baselines and accurately detecting seizure onsets.
• Abstract（参考訳）: 深層学習モデルは脳波記録を用いてててんかん患者の分類に成功している。 残念なことに、分類に基づく手法では発作の発生を検出するための音のメカニズムが欠如している。 本研究では、サブシーケンスクラスタリングの新しいタスク定式化により、アクセプションのオンセットを明示的にモデル化する2段階フレームワーク \method を提案する。 EEGシーケンスが与えられたら、このフレームワークはまず、ラベル管理を伴う第2レベルの埋め込みのセットを学習する。 その後、モデルベースのクラスタリングを使用して、EEGシーケンスの長期的な時間的依存関係を明示的にキャプチャし、意味のあるサブシーケンスを特定する。 サブシーケンス内のエポックは、共通のクラスタ割り当て(正常または発作)を共有し、クラスタまたは状態遷移は、正常なオンセット検出を示す。 3つのデータセットに対する大規模な実験により,提案手法が誤分類を補正し,他のベースラインよりも5%-11%の分類改善を実現し,発作発生を正確に検出できることが示された。

関連論文リスト

• Clustering of timed sequences -- Application to the analysis of care pathways [0.0]
  典型的なケアパスの発見は、クラスタリングによって達成できる。 タイムスタンプされたイベントのシーケンスで表されるクラスタリングケアパスの難しさは、意味的に適切なメトリックとクラスタリングアルゴリズムを定義することである。
  論文  参考訳（メタデータ） (2024-04-23T07:16:13Z)
• Skeleton2vec: A Self-supervised Learning Framework with Contextualized Target Representations for Skeleton Sequence [56.092059713922744]
  予測対象として高レベルな文脈化機能を使用することで,優れた性能が得られることを示す。 具体的には、シンプルで効率的な3D行動表現学習フレームワークであるSkeleton2vecを提案する。 提案するSkeleton2vecは,従来の手法より優れ,最先端の結果が得られる。
  論文  参考訳（メタデータ） (2024-01-01T12:08:35Z)
• Exploring Self-Supervised Skeleton-Based Human Action Recognition under Occlusions [40.322770236718775]
  本稿では,自律型ロボットシステムに自己教師付き骨格に基づく行動認識手法を統合する手法を提案する。 まず、隠蔽されたスケルトン配列を用いて事前トレーニングを行い、次にk平均クラスタリング(KMeans)を用いてシーケンス埋め込みを行い、意味的に類似したサンプルをグループ化する。 比較的完全な配列を生成するために不完全な骨格配列を挿入することは、既存の骨格に基づく自己管理法に重要な利益をもたらす。
  論文  参考訳（メタデータ） (2023-09-21T12:51:11Z)
• A Novel Dataset and a Deep Learning Method for Mitosis Nuclei Segmentation and Classification [10.960222475663006]
  ミトコンドリア核数(Mitosis nuclear count)は乳癌の病理診断における重要な指標の1つである。 そこで本研究では,SCMitosisという2段階のミトーシスセグメンテーションと分類法を提案する。 提案モデルはICPR 2012データセット上で検証され、最高Fスコア値は0.8687である。
  論文  参考訳（メタデータ） (2022-12-27T08:12:42Z)
• Hierarchical Semi-Supervised Contrastive Learning for Contamination-Resistant Anomaly Detection [81.07346419422605]
  異常検出は、通常のデータ分布から逸脱したサンプルを特定することを目的としている。 コントラスト学習は、異常の効果的な識別を可能にする表現のサンプル化に成功している。 汚染耐性異常検出のための新しい階層型半教師付きコントラスト学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-07-24T18:49:26Z)
• Learning from Temporal Spatial Cubism for Cross-Dataset Skeleton-based Action Recognition [88.34182299496074]
  アクションラベルはソースデータセットでのみ利用可能だが、トレーニング段階のターゲットデータセットでは利用できない。 我々は,2つの骨格に基づく行動データセット間の領域シフトを低減するために,自己スーパービジョン方式を利用する。 時間的セグメントや人体部分のセグメンテーションとパーフォーミングにより、我々は2つの自己教師あり学習分類タスクを設計する。
  論文  参考訳（メタデータ） (2022-07-17T07:05:39Z)
• Semi-Supervised Temporal Action Detection with Proposal-Free Masking [134.26292288193298]
  PropOsal-free Temporal mask (SPOT) に基づく新しい半教師付き時間行動検出モデルを提案する。 SPOTは最先端の代替品よりも優れている。
  論文  参考訳（メタデータ） (2022-07-14T16:58:47Z)
• Fine-grained Temporal Contrastive Learning for Weakly-supervised Temporal Action Localization [87.47977407022492]
  本稿では,シーケンス・ツー・シーケンスの区別を文脈的に比較することで学習が,弱い教師付き行動の局所化に不可欠な帰納的バイアスをもたらすことを論じる。 微分可能な動的プログラミングの定式化の下では、FSD(Fen-fine Sequence Distance)とLCS(Longest Common Subsequence)の2つの相補的コントラストが設計されている。 提案手法は,2つのベンチマークにおいて最先端の性能を実現する。
  論文  参考訳（メタデータ） (2022-03-31T05:13:50Z)
• Self-supervised Pretraining with Classification Labels for Temporal Activity Detection [54.366236719520565]
  時間的アクティビティ検出は、1フレーム当たりのアクティビティクラスを予測することを目的としている。 検出に必要なフレームレベルのアノテーションが高価なため、検出データセットの規模は限られている。 本研究では,分類ラベルを利用した自己教師付き事前学習手法を提案する。
  論文  参考訳（メタデータ） (2021-11-26T18:59:28Z)
• Clustering acoustic emission data streams with sequentially appearing clusters using mixture models [6.166295570030645]
  本研究では,未ラベル音響放射(AE)データの特異性を扱うクラスタリング手法を開発した。 GMMSEQと呼ばれるこの手法は、振動を受けるボルト構造における緩み現象を特徴づけるために実験的に検証されている。 オープン・アコースティック・エミッション・イニシアチブを開発する上で,本論文の研究を再現するためのデータセットとコードを作成する。
  論文  参考訳（メタデータ） (2021-08-25T13:01:06Z)
• Sparse Semi-Supervised Action Recognition with Active Learning [10.558951653323286]
  骨格に基づく行動認識の最先端の手法は、ラベルに依存して管理されている。 本稿では,骨格に基づく行動認識のための新しい手法であるSESARを提案する。 本研究の結果は, 単独骨格を用いた教師付きクラスタ識別と, スパースラベル標本に適用した場合のアクティブラーニング手法に優れていた。
  論文  参考訳（メタデータ） (2020-12-03T07:48:31Z)

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。