論文の概要: Hybrid Deep Learning Model for epileptic seizure classification by using 1D-CNN with multi-head attention mechanism

• arxiv url: http://arxiv.org/abs/2501.10342v1
• Date: Fri, 17 Jan 2025 18:33:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-20 13:59:12.330903
• Title: Hybrid Deep Learning Model for epileptic seizure classification by using 1D-CNN with multi-head attention mechanism
• Title（参考訳）: マルチヘッドアテンション機構を持つ1D-CNNを用いたてんかん発作分類のためのハイブリッドディープラーニングモデル
• Authors: Mohammed Guhdar, Ramadhan J. Mstafa, Abdulhakeem O. Mohammed,
• Abstract要約: てんかん発作は脳の異常な電気活動によって起こる。 てんかんの人は、特定の作業環境における安全上の懸念から、重要な雇用上の課題に直面していることが多い。 これはてんかん患者にとって、仕事の選択肢と経済的機会を確実に制限する。
• 参考スコア（独自算出の注目度）: 2.355460994057843
• License:
• Abstract: Epilepsy is a prevalent neurological disorder globally, impacting around 50 million people \cite{WHO_epilepsy_50million}. Epileptic seizures result from sudden abnormal electrical activity in the brain, which can be read as sudden and significant changes in the EEG signal of the brain. The signal can vary in severity and frequency, which results in loss of consciousness and muscle contractions for a short period of time \cite{epilepsyfoundation_myoclonic}. Individuals with epilepsy often face significant employment challenges due to safety concerns in certain work environments. Many jobs that involve working at heights, operating heavy machinery, or in other potentially hazardous settings may be restricted for people with seizure disorders. This certainly limits job options and economic opportunities for those living with epilepsy.
• Abstract（参考訳）: てんかんは世界中で流行する神経疾患であり、約5000万人の患者に影響を及ぼす。 てんかん発作は脳の異常な電気活動によって引き起こされ、脳の脳波信号の急激な変化として読み取れる。 信号は重度と周波数で変化し、短時間に意識の喪失と筋収縮を引き起こす。 てんかんを持つ人は、特定の作業環境における安全上の懸念から、重要な雇用上の課題に直面していることが多い。 高所で働くこと、重機を操作すること、その他の潜在的に危険な環境で働く多くの仕事は、発作性疾患の患者に限られる可能性がある。 これはてんかん患者にとって、仕事の選択肢と経済的機会を確実に制限する。

関連論文リスト

• Observation of disorder-free localization and efficient disorder averaging on a quantum processor [117.33878347943316]
  我々は、量子並列性を利用して、量子プロセッサ上で効率的な手順を実装し、すべての障害実現を効率的にサンプリングする。 1次元と2次元の量子多体ダイナミクスにおいて、乱れのない局所化を観察する。
  論文  参考訳（メタデータ） (2024-10-09T05:28:14Z)
• An Unobtrusive and Lightweight Ear-worn System for Continuous Epileptic Seizure Detection [2.3925084916107098]
  難治性てんかんを患っている人の70%は、適切に診断し治療すれば無発作で生きられる。 頭皮ベースの脳波検査は費用がかかり、入院が必要で、熟練した専門家に手術を依頼し、ユーザーに不快感を与えている。 てんかん発作の発症を検出するための,新しい軽量で控えめで社会的に許容できる耳縫いシステムであるEarSDを提案する。
  論文  参考訳（メタデータ） (2024-01-01T21:06:40Z)
• Long Short-term Memory with Two-Compartment Spiking Neuron [64.02161577259426]
  LSTM-LIFとよばれる,生物学的にインスパイアされたLong Short-Term Memory Leaky Integrate-and-Fireのスパイキングニューロンモデルを提案する。 実験結果は,時間的分類タスクの多種多様な範囲において,優れた時間的分類能力,迅速な訓練収束,ネットワークの一般化性,LSTM-LIFモデルの高エネルギー化を実証した。 したがって、この研究は、新しいニューロモルフィック・コンピューティング・マシンにおいて、困難な時間的処理タスクを解決するための、無数の機会を開放する。
  論文  参考訳（メタデータ） (2023-07-14T08:51:03Z)
• Individualized Dosing Dynamics via Neural Eigen Decomposition [51.62933814971523]
  ニューラル固有微分方程式アルゴリズム(NESDE)を導入する。 NESDEは個別化モデリング、新しい治療ポリシーへの調整可能な一般化、高速で連続的でクローズドな予測を提供する。 本研究は, 総合的・現実的な医療問題におけるNESDEの堅牢性を実証し, 学習力学を用いて, 模擬医療体育環境の公開を行う。
  論文  参考訳（メタデータ） (2023-06-24T17:01:51Z)
• 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)
• \'Epilexie: A digital therapeutic approach for treating intractable epilepsy via Amenable Neurostimulation [0.0]
  難治性てんかんに対するデジタル治療戦略の一環として,Amenable Neurostimulation (ANS) について検討した。 ANSはクローズドループシステムを使用して、影響を受ける領域のニューロンを選択的に刺激し、発作の頻度を下げる。 このパイロット研究の結果は、ANSが難治性てんかんに苦しむ人々にとって、現実的で成功した治療オプションである可能性を示している。
  論文  参考訳（メタデータ） (2023-04-28T01:06:15Z)
• Supervised and Unsupervised Deep Learning Approaches for EEG Seizure Prediction [2.3096751699592137]
  てんかんは世界中で5000万人以上の人に影響を与えており、世界でも有数の神経疾患の1つとなっている。 てんかん発作の発生を予測する能力は、てんかんの顔を持つ人のリスクやストレスを軽減する可能性がある。 入射前発作の前兆として, 正常脳波(preictal, pre-seizure)を検出する問題を定式化する。
  論文  参考訳（メタデータ） (2023-04-24T05:21:10Z)
• Deep learning reveals the common spectrum underlying multiple brain disorders in youth and elders from brain functional networks [53.257804915263165]
  ヒトの初期および後期の脳障害は、脳機能における病理学的変化を共有する可能性がある。 病理的共通性に関する神経画像データによる重要な証拠はいまだ発見されていない。 多地点機能磁気共鳴画像データを用いたディープラーニングモデルを構築し、健康的な制御から5つの異なる脳障害を分類する。
  論文  参考訳（メタデータ） (2023-02-23T09:22:05Z)
• Automated Human Mind Reading Using EEG Signals for Seizure Detection [0.0]
  てんかんは、紀元前4000年に全世界で発生した最も発生頻度の高い神経疾患の1つである。 神経学者を支援するディープラーニングにニューラルネットワークを使用するような、情報技術の分野では、自動化されたシステムがいくつか必要である。 本稿では,自動システムの開発に使用できる98.33%の精度を与えるモデルを提案する。
  論文  参考訳（メタデータ） (2021-11-05T05:31:33Z)
• SOUL: An Energy-Efficient Unsupervised Online Learning Seizure Detection Classifier [68.8204255655161]
  神経活動を記録して発作を検出するインプラントデバイスは、発作を抑えるために警告を発したり神経刺激を誘発したりするために採用されている。 移植可能な発作検出システムでは、低出力で最先端のオンライン学習アルゴリズムを使用して、神経信号のドリフトに動的に適応することができる。 SOULはTSMCの28nmプロセスで0.1mm2を占め、1.5nJ/分級エネルギー効率を実現した。
  論文  参考訳（メタデータ） (2021-10-01T23:01:20Z)
• 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)

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。