論文の概要: Motif Discovery Framework for Psychiatric EEG Data Classification

• arxiv url: http://arxiv.org/abs/2501.04441v1
• Date: Wed, 08 Jan 2025 11:45:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-09 14:55:27.069231
• Title: Motif Discovery Framework for Psychiatric EEG Data Classification
• Title（参考訳）: 精神医学的脳波データ分類のためのモティフ発見フレームワーク
• Authors: Melanija Kraljevska, Katerina Hlavackova-Schindler, Lukas Miklautz, Claudia Plant,
• Abstract要約: 本稿では,抑うつ治療対応者と非対応者とを区別した脳波データから意味のある特徴を抽出するためにモチーフ発見を適用した新しい枠組みを提案する。 以上の結果から,脳波の動的特性は,治療の7日目の早期に,診断と予測うつ治療の双方において臨床医を支援できる可能性が示唆された。
• 参考スコア（独自算出の注目度）: 8.948061494175287
• License:
• Abstract: In current medical practice, patients undergoing depression treatment must wait four to six weeks before a clinician can assess medication response due to the delayed noticeable effects of antidepressants. Identification of a treatment response at any earlier stage is of great importance, since it can reduce the emotional and economic burden connected with the treatment. We approach the prediction of a patient response to a treatment as a classification problem, by utilizing the dynamic properties of EEG recordings on the 7th day of the treatment. We present a novel framework that applies motif discovery to extract meaningful features from EEG data distinguishing between depression treatment responders and non-responders. We applied our framework also to classification tasks in other psychiatric EEG datasets, namely to patients with symptoms of schizophrenia, pediatric patients with intractable seizures, and Alzheimer disease and dementia. We achieved high classification precision in all data sets. The results demonstrate that the dynamic properties of the EEGs may support clinicians in decision making both in diagnosis and in the prediction depression treatment response as early as on the 7th day of the treatment. To our best knowledge, our work is the first one using motifs in the depression diagnostics in general.
• Abstract（参考訳）: 現在の医療実践では、うつ病治療を受ける患者は、抗うつ薬の遅れによる治療効果を評価するために、臨床医が薬効を評価するのに4～6週間待たなければならない。 治療に伴う情緒的・経済的負担を軽減できるため、早期の処置反応の同定は極めて重要である。 治療7日目の脳波記録の動的特性を利用して,治療に対する患者反応の予測を分類問題としてアプローチする。 本稿では,抑うつ治療対応者と非対応者とを区別した脳波データから意味のある特徴を抽出するためにモチーフ発見を適用した新しい枠組みを提案する。 また, 統合失調症, 難治性けいれん, アルツハイマー病, 認知症など他の精神医学的脳波データセットの分類作業にもフレームワークを応用した。 すべてのデータセットにおいて高い分類精度を達成した。 以上の結果から,脳波の動的特性は,治療の7日目の早期に,診断と予測うつ治療の双方において臨床医を支援できる可能性が示唆された。 我々の知る限りでは、うつ病の診断にモチーフを用いた最初の研究である。

関連論文リスト

• Depression Detection on Social Media with Large Language Models [23.075317886505193]
  抑うつ検出は、ソーシャルメディア上の投稿履歴を分析して、個人が抑うつに苦しむかどうかを判断することを目的としている。 本稿では,医学的知識と大規模言語モデルの最近の進歩を融合した,DORISと呼ばれる新規なうつ病検出システムを提案する。
  論文  参考訳（メタデータ） (2024-03-16T01:01:16Z)
• Depression Diagnosis and Drug Response Prediction via Recurrent Neural Networks and Transformers Utilizing EEG Signals [0.0]
  うつ病は最も一般的な精神疾患の1つであるが、研究と臨床の両方ではまだ理解されていない。 脳波信号を用いたMDD患者の大うつ病(MDD)診断法と薬物応答予測法を提案する。
  論文  参考訳（メタデータ） (2023-03-09T09:15:19Z)
• Interpret Your Care: Predicting the Evolution of Symptoms for Cancer Patients [5.175050215292647]
  我々は,20163症例からなる実世界の患者データに基づいて,LightGBMと呼ばれる解釈可能な決定木モデルを実装した。 経験的結果から,症状の前段階の値が予測の指標となることが示唆された。
  論文  参考訳（メタデータ） (2023-02-19T19:29:59Z)
• Handwriting and Drawing for Depression Detection: A Preliminary Study [53.11777541341063]
  精神健康に対する短期的コビデンスの影響は、不安や抑うつ症状の顕著な増加であった。 本研究の目的は、健康な人とうつ病患者を識別するために、オンライン手書き・図面解析という新しいツールを使用することである。
  論文  参考訳（メタデータ） (2023-02-05T22:33:49Z)
• Intelligent Sight and Sound: A Chronic Cancer Pain Dataset [74.77784420691937]
  本稿では,Intelligent Sight and Sound (ISS) 臨床試験の一環として収集された,最初の慢性ガン痛データセットを紹介する。 これまで収集されたデータは29の患者、509のスマートフォンビデオ、189,999のフレーム、そして自己報告された感情と活動の痛みのスコアから成っている。 静的画像とマルチモーダルデータを用いて、自己報告された痛みレベルを予測する。
  論文  参考訳（メタデータ） (2022-04-07T22:14:37Z)
• Deep Multi-task Learning for Depression Detection and Prediction in Longitudinal Data [50.02223091927777]
  うつ病は最も多い精神疾患の1つであり、世界中の年齢の何百万人もの人々に影響を与えている。 機械学習技術は、早期介入と治療のためのうつ病の自動検出と予測を可能にしている。 本稿では、この課題に対処するために、2つの補助的タスクでうつ病分類を共同最適化する、新しいディープマルチタスクリカレントニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2020-12-05T05:14:14Z)
• BiteNet: Bidirectional Temporal Encoder Network to Predict Medical Outcomes [53.163089893876645]
  本稿では,患者の医療旅行におけるコンテキスト依存と時間的関係を捉える,新たな自己注意機構を提案する。 エンド・ツー・エンドの双方向時間エンコーダネットワーク(BiteNet)が患者の旅路の表現を学習する。 実世界のEHRデータセットを用いた2つの教師付き予測と2つの教師なしクラスタリングタスクにおける手法の有効性を評価した。
  論文  参考訳（メタデータ） (2020-09-24T00:42:36Z)
• DTR Bandit: Learning to Make Response-Adaptive Decisions With Low Regret [59.81290762273153]
  動的治療体制 (DTR) はパーソナライズされ適応された多段階の治療計画であり、治療決定を個人の初期特徴に適応させ、その後の各段階における中間結果と特徴に適応させる。 本稿では,探索と搾取を慎重にバランスさせることで,遷移モデルと報酬モデルが線形である場合に,速度-最適後悔を実現する新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-05-06T13:03:42Z)
• 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)
• MODMA dataset: a Multi-modal Open Dataset for Mental-disorder Analysis [22.766963176531338]
  本稿では,精神障害分析のためのマルチモーダルオープンデータセットを提案する。 このデータセットには、臨床症状のある患者の脳波と音声データが含まれ、正常なコントロールと一致する。 EEGデータセットには、従来の128電極搭載弾性キャップを使用して収集されたデータだけでなく、普及したアプリケーションのための新しいウェアラブルな3電極EEGコレクタも含まれている。
  論文  参考訳（メタデータ） (2020-02-20T09:40:39Z)

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。