論文の概要: Detection of high-frequency oscillations using time-frequency analysis
- arxiv url: http://arxiv.org/abs/2510.08637v1
- Date: Wed, 08 Oct 2025 20:50:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-14 00:38:47.290136
- Title: Detection of high-frequency oscillations using time-frequency analysis
- Title（参考訳）: 時間周波数解析による高周波発振の検出
- Authors: Mostafa Mohammadpour, Mehdi Zekriyapanah Gashti, Yusif S. Gasimov,
- Abstract要約: 高周波発振(HFO)はてんかん原性ゾーンを同定するための新しいバイオマーカーである。
HFOの視覚的識別は、時間がかかり、労働集約的で主観的である。
我々は、リップル及び高速リップル周波数帯(80-500Hz)におけるHFOを検出する新しい方法を開発した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: High-frequency oscillations (HFOs) are a new biomarker for identifying the epileptogenic zone. Mapping HFO-generating regions can improve the precision of resection sites in patients with refractory epilepsy. However, detecting HFOs remains challenging, and their clinical features are not yet fully defined. Visual identification of HFOs is time-consuming, labor-intensive, and subjective. As a result, developing automated methods to detect HFOs is critical for research and clinical use. In this study, we developed a novel method for detecting HFOs in the ripple and fast ripple frequency bands (80-500 Hz). We validated it using both controlled datasets and data from epilepsy patients. Our method employs an unsupervised clustering technique to categorize events extracted from the time-frequency domain using the S-transform. The proposed detector differentiates HFOs events from spikes, background activity, and artifacts. Compared to existing detectors, our method achieved a sensitivity of 97.67%, a precision of 98.57%, and an F-score of 97.78% on the controlled dataset. In epilepsy patients, our results showed a stronger correlation with surgical outcomes, with a ratio of 0.73 between HFOs rates in resected versus non-resected contacts. The study confirmed previous findings that HFOs are promising biomarkers of epileptogenicity in epileptic patients. Removing HFOs, especially fast ripple, leads to seizure freedom, while remaining HFOs lead to seizure recurrence.
- Abstract（参考訳）: 高周波発振(HFO)はてんかん原性ゾーンを同定するための新しいバイオマーカーである。
HFO産生領域のマッピングは難治性てんかん患者の切除部位の精度を向上させることができる。
しかし, HFOの検出は依然として困難であり, 臨床像はまだ完全には定義されていない。
HFOの視覚的識別は、時間がかかり、労働集約的で主観的である。
その結果,HFOを自動検出する手法の開発は,研究や臨床研究に欠かせないものとなった。
本研究では,リップル周波数帯と高速リップル周波数帯(80-500Hz)のHFOを検出する新しい手法を開発した。
てんかん患者からの制御されたデータセットとデータを用いて検証した。
本手法では,S変換を用いて時間周波数領域から抽出したイベントを分類するために,教師なしクラスタリング手法を用いる。
提案した検出器は、HFOsイベントをスパイク、バックグラウンドアクティビティ、アーティファクトと区別する。
既存の検出器に比べて感度は97.67%、精度は98.57%、Fスコアは97.78%であった。
てんかん患者では, 手術成績との相関が強く, 切除群と非切除群とのHFOs比は0.73であった。
この研究は、HFOsがてんかん患者のてんかん原性に有望なバイオマーカーであることを以前の知見で確認した。
HFOの除去、特に速いリップルは発作の自由をもたらすが、HFOの残存は発作の再発を引き起こす。
関連論文リスト
- Detecting and clustering swallow events in esophageal long-term high-resolution manometry [48.688209040613216]
深達度学習に基づく飲み込み検出法を提案し, 二次性非解離性食道運動障害を正確に同定する。
われわれは,25 LTHRMで計算パイプラインを評価し,医療専門家の注意を喚起した。
論文 参考訳（メタデータ） (2024-05-02T09:41:31Z) - Improving Diffusion Models for ECG Imputation with an Augmented Template
Prior [43.6099225257178]
ノイズと品質の悪い録音は、モバイルヘルスシステムを使って収集された信号にとって大きな問題である。
近年の研究では、確率的時系列モデルによるECGの欠落値の計算が検討されている。
本稿では,様々な健康状態の事前情報として,テンプレート誘導型拡散確率モデル(DDPM)PulseDiffを提案する。
論文 参考訳（メタデータ） (2023-10-24T11:34:15Z) - Lightweight Convolution Transformer for Cross-patient Seizure Detection
in Multi-channel EEG Signals [0.0]
本研究では、新しいディープラーニングアーキテクチャに基づく軽量畳み込み変換器(LCT)を提案する。
変換器は、多チャンネル脳波(EEG)信号から空間的および時間的相関情報を同時に学習し、より小さなセグメント長で発作を検出する。
論文 参考訳（メタデータ） (2023-05-07T16:43:52Z) - Exploring traditional machine learning for identification of
pathological auscultations [0.39577682622066246]
各種機械学習シナリオにおいて,45例のデジタル6チャンネル聴取を行った。
目的は,正常な肺と異常な肺の音を区別することであった。
監視されていないモデルよりも一貫した優位性を示した。
論文 参考訳（メタデータ） (2022-09-01T18:03:21Z) - 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) - Deep Learning-Based Detection of the Acute Respiratory Distress
Syndrome: What Are the Models Learning? [5.827840113217155]
急性呼吸窮迫症候群 (ARDS) は低酸素性呼吸不全の重症型であり、院内死亡率は35-46%である。
高死亡率は、即時診断を行う際の課題と関連していると考えられており、その結果、エビデンスベースの治療の実施が遅れる可能性がある。
未バイアス人工呼吸器波形データ(VWD)を利用したディープニューラルネットワーク(DNN)アルゴリズムは、ARDSのスクリーニングを改善するのに役立つかもしれない。
論文 参考訳（メタデータ） (2021-09-25T09:10:10Z) - A random shuffle method to expand a narrow dataset and overcome the
associated challenges in a clinical study: a heart failure cohort example [50.591267188664666]
本研究の目的は、統計的に合法なHFデータセットのカーディナリティを高めるためにランダムシャッフル法を設計することであった。
提案されたランダムシャッフル法は、HFデータセットのカーディナリティを10回、およびランダムな繰り返し測定アプローチに続いて21回向上させることができた。
論文 参考訳（メタデータ） (2020-12-12T10:59:38Z) - A Spiking Neural Network (SNN) for detecting High Frequency Oscillations
(HFOs) in the intraoperative ECoG [1.8464222520424338]
てんかん原性組織によって生じる高周波発振(HFOs)は、切除マージンを調整するために用いられる。
本稿では,ニューロモルフィックハードウェア実装に適した自動HFO検出のためのスパイクニューラルネットワーク(SNN)を提案する。
論文 参考訳（メタデータ） (2020-11-17T17:24:46Z) - 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) - An electronic neuromorphic system for real-time detection of High
Frequency Oscillations (HFOs) in intracranial EEG [0.0]
本稿では,脳波記録ヘッドステージと信号-スパイク変換回路とマルチコアスパイクニューラルネットワークアーキテクチャを組み合わせたニューロモルフィックシステムを提案する。
本研究では,HFOを確実に検出する方法について述べる。このシステムは,最先端の精度,特異性,感度(それぞれ78%,100%,33%)で術後発作を予測できる。
これは、イベントベースのプロセッサを使用して、リアルタイム、オンチップで頭蓋内人間のデータに関連する特徴を特定するための最初の可能性研究である。
論文 参考訳（メタデータ） (2020-09-23T16:40:44Z)
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。