論文の概要: A Systematic Review of EEG-based Machine Intelligence Algorithms for Depression Diagnosis, and Monitoring
- arxiv url: http://arxiv.org/abs/2503.19820v1
- Date: Tue, 25 Mar 2025 16:31:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-26 16:53:38.351734
- Title: A Systematic Review of EEG-based Machine Intelligence Algorithms for Depression Diagnosis, and Monitoring
- Title（参考訳）: 脳波を用いた抑うつ診断・モニタリングのための機械知能アルゴリズムの体系的レビュー
- Authors: Amir Nassibi, Christos Papavassiliou, Ildar Rakhmatulin, Danilo Mandic, S. Farokh Atashzar,
- Abstract要約: うつ病は深刻な健康状態であり、世界中の何百万人もの人々に影響を与えている。
脳波バイオマーカーは、近年、潜在的な変革的客観的実践として提案され、研究されている。
先進的な機械学習技術と統計分析を用いて,脳波によるうつ病診断アプローチの詳細な体系的レビューを行った。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: Depression disorder is a serious health condition that has affected the lives of millions of people around the world. Diagnosis of depression is a challenging practice that relies heavily on subjective studies and, in most cases, suffers from late findings. Electroencephalography (EEG) biomarkers have been suggested and investigated in recent years as a potential transformative objective practice. In this article, for the first time, a detailed systematic review of EEG-based depression diagnosis approaches is conducted using advanced machine learning techniques and statistical analyses. For this, 938 potentially relevant articles (since 1985) were initially detected and filtered into 139 relevant articles based on the review scheme 'preferred reporting items for systematic reviews and meta-analyses (PRISMA).' This article compares and discusses the selected articles and categorizes them according to the type of machine learning techniques and statistical analyses. Algorithms, preprocessing techniques, extracted features, and data acquisition systems are discussed and summarized. This review paper explains the existing challenges of the current algorithms and sheds light on the future direction of the field. This systematic review outlines the issues and challenges in machine intelligence for the diagnosis of EEG depression that can be addressed in future studies and possibly in future wearable technologies.
- Abstract（参考訳）: うつ病は深刻な健康状態であり、世界中の何百万人もの人々の生活に影響を与えている。
うつ病の診断は、主観的な研究に大きく依存し、ほとんどの場合、後期の発見に苦しむ難しい実践である。
電気脳波(EEG)バイオマーカーは、近年、潜在的な変革的客観的実践として提案され、研究されている。
本稿では,脳波によるうつ病の診断手法について,先進的な機械学習技術と統計的解析を用いて,初めて詳細な体系的レビューを行った。
このため、当初は938件の関連記事(1985年以降)が検出され、「体系的レビュー・メタ分析(PRISMA)の報告項目が優先される」というレビュースキームに基づいて139件の関連記事にフィルタリングされた。
本稿では、選択した記事を比較し、機械学習技術の種類と統計分析に基づいて分類する。
アルゴリズム,前処理技術,抽出された特徴,およびデータ取得システムについて論じ,要約する。
本稿では,現状のアルゴリズムの課題を概説し,今後の方向性について述べる。
この体系的なレビューは、将来の研究や将来のウェアラブル技術で対処できる脳波うつ病の診断における、マシンインテリジェンスの問題と課題を概説する。
関連論文リスト
- 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) - A survey of recent methods for addressing AI fairness and bias in
biomedicine [48.46929081146017]
人工知能システムは、人種や性別に基づくような社会的不平等を永続するか、偏見を示すことができる。
バイオメディカル自然言語処理 (NLP) やコンピュータビジョン (CV) の分野での様々な脱バイアス法に関する最近の論文を調査した。
我々は,2018年1月から2023年12月にかけて,複数のキーワードの組み合わせを用いて,PubMed,ACMデジタルライブラリ,IEEE Xploreに関する文献検索を行った。
バイオメディシンに応用可能な一般領域からの他の方法について検討し, バイアスに対処し, 公平性を向上する方法について検討した。
論文 参考訳（メタデータ） (2024-02-13T06:38:46Z) - Electroencephalography and mild cognitive impairment research: A scoping
review and bibliometric analysis (ScoRBA) [0.0]
軽度認知障害(MCI)はしばしばアルツハイマー病(AD)の前駆者と見なされる
EEGは低コストで時間分解能が優れているため、研究者の間では最も人気があり、頻繁に使用されるツールである。
論文 参考訳（メタデータ） (2022-11-01T06:52:19Z) - A review on Epileptic Seizure Detection using Machine Learning [0.0]
本研究は特徴選択プロセスと分類性能の体系的な文献レビューを提供する。
既存の文献は、MPDI、IEEEXplore、Wiley、Elsevier、ACM、Springerlinkなどの有名なリポジトリから調査された。
論文 参考訳（メタデータ） (2022-10-05T13:37:45Z) - Skin Lesion Analysis: A State-of-the-Art Survey, Systematic Review, and
Future Trends [3.565012455354754]
この記事は2011年から2020年にかけて発行された最先端CAD技術の完全な文献レビューを提供する。
初心者から専門家まで、あらゆるレベルの研究者を指導し、皮膚病変分析のための自動化された堅牢なCADシステムを開発する。
論文 参考訳（メタデータ） (2022-08-25T17:31:15Z) - Machine learning based disease diagnosis: A comprehensive review [0.0]
このレビューでは、機械学習(ML)とディープラーニング(DL)が、多くの病気の早期発見にどのように利用されているかを説明します。
1216の出版物に関する文献学的研究は、最も多作な著者、国、組織、そして最も引用された記事を決定するために行われた。
このレビューでは、機械学習ベースの疾患診断(MLBDD)の最新動向とアプローチをまとめている。
論文 参考訳（メタデータ） (2021-12-31T16:25:23Z) - What is the State of the Art of Computer Vision-Assisted Cytology? A
Systematic Literature Review [47.42354724922676]
現在,細胞診に応用されているコンピュータビジョン技術の現状を明らかにするために,システマティック文献レビューを実施している。
分析された研究で最も使われている方法は深層学習(70論文)であるが、古典的なコンピュータビジョンのみ(101論文)を使用するものは少ない。
結論として,多くの染色に対して高品質なデータセットがまだ存在せず,ほとんどの研究は日常的な臨床診断ルーチンに適用できるほど成熟していない。
論文 参考訳（メタデータ） (2021-05-24T13:50:45Z) - Machine Learning Methods for Histopathological Image Analysis: A Review [62.14548392474976]
病理組織像 (HIs) は癌診断における腫瘍の種類を評価するための金の基準である。
このような分析を高速化する方法の1つは、コンピュータ支援診断(CAD)システムを使用することである。
論文 参考訳（メタデータ） (2021-02-07T19:12:32Z) - Machine learning for the diagnosis of Parkinson's disease: A systematic
review [15.463800489731373]
我々は2020年2月14日まで,PubMed と IEEE Xplore データベースを用いて,系統的な文献レビューを行った。
関連情報として抽出され,本システムレビューで提示された計209件の研究結果を含む。
これらの研究は、臨床意思決定における機械学習手法と新しいバイオマーカーの適応の可能性を示す。
論文 参考訳（メタデータ） (2020-10-13T01:14:04Z) - Machine Learning in Nano-Scale Biomedical Engineering [77.75587007080894]
ナノスケールバイオメディカルエンジニアリングにおける機械学習の利用に関する既存の研究について概説する。
ML問題として定式化できる主な課題は、3つの主要なカテゴリに分類される。
提示された方法論のそれぞれについて、その原則、応用、制限に特に重点を置いている。
論文 参考訳（メタデータ） (2020-08-05T15:45:54Z) - Opportunities and Challenges of Deep Learning Methods for
Electrocardiogram Data: A Systematic Review [62.490310870300746]
心電図(Electrocardiogram、ECG)は、医学および医療において最も一般的に用いられる診断ツールの1つである。
深層学習法は心電図信号を用いた予測医療タスクにおいて有望な結果を得た。
本稿では、モデリングとアプリケーションの観点から、ECGデータに対するディープラーニング手法の体系的なレビューを行う。
論文 参考訳（メタデータ） (2019-12-28T02:44:29Z)
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。