論文の概要: What your brain activity says about you: A review of neuropsychiatric disorders identified in resting-state and sleep EEG data

• arxiv url: http://arxiv.org/abs/2510.04984v1
• Date: Mon, 06 Oct 2025 16:20:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-07 16:52:59.981124
• Title: What your brain activity says about you: A review of neuropsychiatric disorders identified in resting-state and sleep EEG data
• Title（参考訳）: 脳活動があなたについて何を言っているか:安静時と睡眠時脳波データで同定された神経精神医学的障害のレビュー
• Authors: J. E. M. Scanlon, A. Pelzer, M. Gharleghi, K. C. Fuhrmeister, T. Köllmer, P. Aichroth, R. Göder, C. Hansen, K. I. Wolf,
• Abstract要約: 本稿では,タスクフリーの脳波データにどのような個人情報や健康情報が検出され,分類されたかを検討する。 休息状態においては、自閉症スペクトラム障害、パーキンソン病、アルコール使用障害などの様々な障害が高い分類精度で分類されている。 睡眠脳波は睡眠時無呼吸症、不眠症、レム睡眠障害などの睡眠障害に関する分類可能な情報を保持する傾向がある。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Electroencephalogram monitoring devices and online data repositories hold large amounts of data from individuals participating in research and medical studies without direct reference to personal identifiers. This paper explores what types of personal and health information have been detected and classified within task-free EEG data. Additionally, we investigate key characteristics of the collected resting-state and sleep data, in order to determine the privacy risks involved with openly available EEG data. We used Google Scholar, Web of Science and searched relevant journals to find studies which classified or detected the presence of various disorders and personal information in resting state and sleep EEG. Only English full-text peer-reviewed journal articles or conference papers about classifying the presence of medical disorders between individuals were included. A quality analysis carried out by 3 reviewers determined general paper quality based on specified evaluation criteria. In resting state EEG, various disorders including Autism Spectrum Disorder, Parkinson's disease, and alcohol use disorder have been classified with high classification accuracy, often requiring only 5 mins of data or less. Sleep EEG tends to hold classifiable information about sleep disorders such as sleep apnea, insomnia, and REM sleep disorder, but usually involve longer recordings or data from multiple sleep stages. Many classification methods are still developing but even today, access to a person's EEG can reveal sensitive personal health information. With an increasing ability of machine learning methods to re-identify individuals from their EEG data, this review demonstrates the importance of anonymization, and the development of improved tools for keeping study participants and medical EEG users' privacy safe.
• Abstract（参考訳）: 脳波モニタリング装置とオンラインデータレポジトリは、個人識別子を直接参照することなく、研究や医学研究に参加している個人から大量のデータを保持する。 本稿では,タスクフリーの脳波データにどのような個人情報や健康情報が検出され,分類されたかを検討する。 さらに,収集した睡眠状態データと睡眠データの主な特徴について検討し,オープンな脳波データにかかわるプライバシーリスクを明らかにする。 我々は、Google Scholar, Web of Scienceを使用し、関連するジャーナルを検索して、睡眠状態と睡眠脳波におけるさまざまな障害や個人情報を分類または検出した研究を見つけました。 個人間での医学的障害の存在を分類する、英文全文の査読論文や会議論文のみが含まれている。 3人のレビュアーが行った品質分析により,特定評価基準に基づいて一般紙の品質を判定した。 休息状態脳波では、自閉症スペクトラム障害、パーキンソン病、アルコール使用障害などの様々な障害が高い分類精度で分類され、しばしば5分以下のデータを必要とする。 睡眠脳波は睡眠時無呼吸症、不眠症、レム睡眠障害などの睡眠障害に関する分類可能な情報を保持する傾向にあるが、通常は複数の睡眠段階からの記録やデータを含む。 多くの分類法がまだ開発されているが、今日でも個人の脳波にアクセスすれば、機密性の高い個人情報が明らかになる。 脳波データから個人を識別する機械学習手法の能力の増大に伴い、このレビューは匿名化の重要性と、研究参加者と医療用脳波ユーザーのプライバシーを安全に保つための改善されたツールの開発を実証する。

関連論文リスト

• Multi-Channel Differential Transformer for Cross-Domain Sleep Stage Classification with Heterogeneous EEG and EOG [1.422074091840573]
  異種脳波-EOG表現学習のための多チャンネル差動変換フレームワークであるSleepDIFFormerを提案する。 SleepDIFFormerは複数のスリープステージデータセットでトレーニングされており、それぞれがソースドメインとして扱われる。 提案手法は,空間的および時間的注意雑音を緩和し,データセット間の特徴分布アライメントを通じて,領域不変なEEG-EOG表現を学習することにより,新しい領域への一般化を促進する。
  論文  参考訳（メタデータ） (2025-08-21T03:59:10Z)
• Exploring the Efficacy of Convolutional Neural Networks in Sleep Apnea Detection from Single Channel EEG [0.0]
  本稿では,単一チャネル脳波データに基づいて学習した畳み込みニューラルネットワーク(CNN)を用いた睡眠時無呼吸症候群の検出手法を提案する。 提案されたCNNの精度は85.1%、マシューズ相関係数(MCC)は0.22で、家庭ベースのアプリケーションにとって大きな可能性を示した。
  論文  参考訳（メタデータ） (2025-08-16T04:58:00Z)
• A Systematic Review on Sleep Stage Classification and Sleep Disorder Detection Using Artificial Intelligence [0.0]
  本研究は,近年の文献を包括的かつ体系的にレビューし,睡眠研究における様々なアプローチとその成果を分析することを目的としている。 このレビューでは、最初183の論文が異なる雑誌から選ばれ、そのうち80の論文が2016年から2023年まで、明示的なレビューのために登録された。 脳波は、睡眠ステージングや障害研究に最もよく用いられる身体パラメータである。
  論文  参考訳（メタデータ） (2024-05-17T11:09:33Z)
• De-identification of clinical free text using natural language processing: A systematic review of current approaches [48.343430343213896]
  自然言語処理は、その非識別プロセスの自動化の可能性を繰り返し示してきた。 本研究の目的は,過去13年間に臨床自由テキストの非識別化が進展したことを示す体系的な証拠を提供することである。
  論文  参考訳（メタデータ） (2023-11-28T13:20:41Z)
• Sleep Activity Recognition and Characterization from Multi-Source Passively Sensed Data [67.60224656603823]
  睡眠活動認識法は、被験者の睡眠覚醒サイクルを評価し、監視し、特徴づけ、行動の変化を検出する指標を提供することができる。 本稿では,スマートフォンから受動的に知覚されたデータを連続的に操作して,睡眠の特徴を識別し,重要な睡眠エピソードを識別する一般的な方法を提案する。 これらの装置は、その用途により、連続的で客観的で非侵襲的な方法で被験者の生体リズムをプロファイルするための優れた代替データ源となっている。
  論文  参考訳（メタデータ） (2023-01-17T15:18:45Z)
• Pain level and pain-related behaviour classification using GRU-based sparsely-connected RNNs [61.080598804629375]
  慢性的な痛みを持つ人は、特定の身体の動きを無意識に適応させ、怪我や追加の痛みから身を守る。 この相関関係を分析するための専用のベンチマークデータベースが存在しないため、日々の行動に影響を及ぼす可能性のある特定の状況の1つを検討した。 我々は、複数のオートエンコーダを組み込んだゲートリカレントユニット(GRU)と疎結合なリカレントニューラルネットワーク(s-RNN)のアンサンブルを提案した。 本手法は,痛みレベルと痛み関連行動の両方の分類において,最先端のアプローチよりも優れていることを示すいくつかの実験を行った。
  論文  参考訳（メタデータ） (2022-12-20T12:56:28Z)
• Heterogeneous Hidden Markov Models for Sleep Activity Recognition from Multi-Source Passively Sensed Data [67.60224656603823]
  精神科患者の受動的活動監視は、リアルタイムでの行動変化を検出するために不可欠である。 睡眠行動認識は、患者の活動サイクルを表現する行動マーカーである。 スマートフォンから受動的に検出されたデータは、患者の生体リズムに優れた代替手段である。
  論文  参考訳（メタデータ） (2022-11-08T17:29:40Z)
• A Systematic Literature Review on Wearable Health Data Publishing under Differential Privacy [2.099922236065961]
  ウェアラブルデバイスは、個人に関するさまざまな種類の生理的データを生成する。 差別化プライバシ(DP)は、プライバシに敏感なデータをパブリッシュするための熟練したテクニックとして登場した。
  論文  参考訳（メタデータ） (2021-09-15T14:43:00Z)
• Learning Language and Multimodal Privacy-Preserving Markers of Mood from Mobile Data [74.60507696087966]
  精神状態は、先進医療に共通する国でも診断されていない。 人間の行動を監視するための有望なデータソースのひとつは、日々のスマートフォンの利用だ。 本研究では,自殺行動のリスクが高い青少年集団の移動行動のデータセットを用いて,日常生活の行動マーカーについて検討した。
  論文  参考訳（メタデータ） (2021-06-24T17:46:03Z)
• Automatic detection of microsleep episodes with deep learning [55.41644538483948]
  15秒未満の睡眠の短い断片は、マイクロスリープエピソード(MSEs)として定義される 覚醒検査(MWT)の維持は、警戒を評価するために臨床現場でしばしば用いられる。 MSEは、MSEを定義する確立された評価基準が欠如しているため、ほとんど考慮されていない。 入力として生の脳波とEOGデータに基づいて機械学習を用いてMSEを自動的に検出することを目的とした。
  論文  参考訳（メタデータ） (2020-09-07T11:38:40Z)
• 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。