論文の概要: Oscillatory Signatures of Parkinson's Disease: Central and Parietal EEG Alterations Across Multiple Frequency Bands

• arxiv url: http://arxiv.org/abs/2503.12392v2
• Date: Sat, 22 Mar 2025 13:06:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-25 14:28:40.194281
• Title: Oscillatory Signatures of Parkinson's Disease: Central and Parietal EEG Alterations Across Multiple Frequency Bands
• Title（参考訳）: パーキンソン病の発振信号:複数の周波数帯域にわたる中脳波と頭頂脳波の変化
• Authors: Artem Lensky,
• Abstract要約: 本研究は,脳波記録に深層学習技術を適用することにより,脳波を早期バイオマーカーとしての可能性について検討する。 中心電極 (C3, Cz, C4) とフルスペクトル 0.4-62.4 Hz を用いて高い分類精度 (76%) を示した。 両側側頭頂部はテタバンド(4.0-7.79 Hz)で強い性能(67%)を示し、複数の領域ではアルファバンド(7.8-15.59 Hz)である程度の感度(65%)を示した。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: This study investigates EEG as a potential early biomarker by applying deep learning techniques to resting-state EEG recordings from 31 subjects (15 with PD and 16 healthy controls). EEG signals underwent preprocessing to remove tremor artifacts before classification with CNNs using wavelet-based electrode triplet images. Our analysis across different brain regions and frequency bands showed distinct spatial-spectral patterns of PD-related neural oscillations. We identified high classification accuracy (76%) using central electrodes (C3, Cz, C4) with full-spectrum 0.4-62.4 Hz analysis and 74% accuracy in right parietal regions (P8, CP6, P4) with 10-second windows. Bilateral centro-parietal regions showed strong performance (67%) in the theta band (4.0-7.79 Hz), while multiple areas demonstrated some sensitivity (65%) in the alpha band (7.8-15.59 Hz). We also observed a distinctive topographical pattern of gamma band (40-62.4 Hz) alterations specifically localized to central-parietal regions, which remained consistent across different temporal windows. In particular, we observed pronounced right-hemisphere involvement across several frequency bands. Unlike previous studies that achieved higher accuracies by potentially including tremor artifacts, our approach isolates genuine neurophysiological alterations in cortical activity. These findings suggest that specific EEG-based oscillatory patterns, especially in central and parietal regions and across multiple frequency bands, may provide diagnostic information for PD, potentially before the onset of motor symptoms.
• Abstract（参考訳）: 本研究では,31名(PD15名,健常者16名)の安静時脳波記録に深層学習技術を適用し,早期バイオマーカーとしての脳波について検討した。 脳波信号は、ウェーブレットベースの電極トリプルト画像を用いてCNNに分類する前に、震源を除去する前処理を行った。 脳の異なる領域と周波数帯で分析したところ、PD関連神経発振の空間スペクトルパターンが異なることが判明した。 中心電極 (C3, Cz, C4) とフルスペクトル 0.4-62.4 Hz 分析, 右頭頂部 (P8, CP6, P4) と10秒窓を用いた 74% の精度で高い分類精度 (76%) を同定した。 両側側頭頂部はテタバンド(4.0-7.79 Hz)で強い性能(67%)を示し、複数の領域ではアルファバンド(7.8-15.59 Hz)である程度の感度(65%)を示した。 また,側頭葉領域に特異的に局在するガンマバンド(40-62.4Hz)の特徴的な地形パターンも観察した。 特に,複数の周波数帯域で右半球の関与が顕著であった。 震状アーティファクトを含む従来の研究とは異なり、脳皮質活動の真の神経生理学的変化を分離する。 以上の結果より,脳波による発振パターン,特に中枢および頭頂部および複数の周波数帯において,運動性症状の発症前にPDの診断情報を提供する可能性が示唆された。

関連論文リスト

• Wavelet Analysis of Noninvasive EEG Signals Discriminates Complex and Natural Grasp Types [0.16385815610837165]
  本研究の目的は,脳波を用いた神経補綴器開発と脳-コンピュータ・インタフェース(BCI)の応用を目的とした脳波からの握手をデコードすることである。
  論文  参考訳（メタデータ） (2024-01-31T23:13:38Z)
• Optimized EEG based mood detection with signal processing and deep neural networks for brain-computer interface [0.0]
  本研究の目的は,脳波と被験者の気分との関係を識別するスマート意思決定モデルを確立することである。 健康な28人の被験者の脳波は同意を得て観測され、気分を研究・認識する試みがなされている。 これらの技術を用いて、96.01%の検出精度が得られた。
  論文  参考訳（メタデータ） (2023-03-30T15:23:24Z)
• Power Spectral Density-Based Resting-State EEG Classification of First-Episode Psychosis [1.3416169841532526]
  脳の異常活動パターンの同定における刺激非依存型脳波の有用性を示す。 複数の周波数帯域を組み込んだ一般化モデルでは、脳波バイオマーカーとFEP(First-Episode Psychosis)を関連付けるのがより効率的である。 本稿では,PSD解析における前処理手法の総合的な考察と,異なるモデルの詳細な比較について述べる。
  論文  参考訳（メタデータ） (2022-11-23T00:28:41Z)
• An EEG-based approach for Parkinson's disease diagnosis using Capsule network [0.0]
  パーキンソン病は2番目に一般的な神経変性疾患である。 PDの体系的早期診断と治療は確立されていない。 異なる脳波帯で異なる分類精度を比較すると、ガンマバンドで最も高い精度が示された。
  論文  参考訳（メタデータ） (2021-12-27T09:22:50Z)
• Generalizing electrocardiogram delineation: training convolutional neural networks with synthetic data augmentation [63.51064808536065]
  ECGのデライン化のための既存のデータベースは小さく、サイズやそれらが表す病態の配列に不足している。 まず、原データベースから抽出した基本セグメントのプールを与えられたECGトレースを確率的に合成し、その整合性のある合成トレースに配置するための一連のルールを考案した。 第二に、2つの新しいセグメンテーションに基づく損失関数が開発され、これは、正確な数の独立構造の予測を強制し、サンプル数の削減に焦点をあてて、より密接なセグメンテーション境界を創出することを目的としている。
  論文  参考訳（メタデータ） (2021-11-25T10:11:41Z)
• High Frequency EEG Artifact Detection with Uncertainty via Early Exit Paradigm [70.50499513259322]
  現在のアーティファクト検出パイプラインはリソース不足であり、手作りの機能に大きく依存している。 高周波脳波アーチファクト検出のためのディープラーニングフレームワークであるE4Gを提案する。 われわれのフレームワークは初期の出口パラダイムを利用して、不確実性を捉えることのできるモデルの暗黙のアンサンブルを構築している。
  論文  参考訳（メタデータ） (2021-07-21T07:05:42Z)
• Estimation of atrial fibrillation from lead-I ECGs: Comparison with cardiologists and machine learning model (CurAlive), a clinical validation study [0.0]
  本研究では,人工知能を用いた心房細動検出法を提案する。 本研究の目的は, 心臓科医と人工知能の診断精度をリードI心電図と比較することである。
  論文  参考訳（メタデータ） (2021-04-15T12:50:16Z)
• Identification of Ischemic Heart Disease by using machine learning technique based on parameters measuring Heart Rate Variability [50.591267188664666]
  本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。 最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
  論文  参考訳（メタデータ） (2020-10-29T19:14:41Z)
• 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)
• A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced Cardiac Magnetic Resonance Imaging [90.29017019187282]
  現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。 技術および生物学的指標を用いた提案アルゴリズムの解析を行った。 その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
  論文  参考訳（メタデータ） (2020-04-26T08:49:17Z)
• Spatio-spectral deep learning methods for in-vivo hyperspectral laryngeal cancer detection [49.32653090178743]
  頭頸部腫瘍の早期発見は患者の生存に不可欠である。 ハイパースペクトルイメージング(HSI)は頭頸部腫瘍の非侵襲的検出に用いられる。 HSIに基づく喉頭癌診断のための複数の深層学習手法を提案する。
  論文  参考訳（メタデータ） (2020-04-21T17:07:18Z)

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。