論文の概要: Incomplete Depression Feature Selection with Missing EEG Channels

• arxiv url: http://arxiv.org/abs/2511.11651v1
• Date: Mon, 10 Nov 2025 14:47:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-18 14:36:22.795006
• Title: Incomplete Depression Feature Selection with Missing EEG Channels
• Title（参考訳）: 欠損脳波チャンネルを用いた不完全抑うつ特徴選択
• Authors: Zhijian Gong, Wenjia Dong, Xueyuan Xu, Fulin Wei, Chunyu Liu, Li Zhuo,
• Abstract要約: 脳波によるうつ病分析の最近の進歩は、うつ病検出精度の改善に期待が持たれている。 実世界のEEGデータ取得は、電極剥離からのデータ損失や大きなノイズ干渉など、しばしば課題に直面している。 我々は、不完全抑うつ特徴選択(IDFS-MEC)と呼ばれる、堅牢な抑うつ分析のための新しい特徴選択手法を提案する。
• 参考スコア（独自算出の注目度）: 10.205617684453154
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As a critical mental health disorder, depression has severe effects on both human physical and mental well-being. Recent developments in EEG-based depression analysis have shown promise in improving depression detection accuracies. However, EEG features often contain redundant, irrelevant, and noisy information. Additionally, real-world EEG data acquisition frequently faces challenges, such as data loss from electrode detachment and heavy noise interference. To tackle the challenges, we propose a novel feature selection approach for robust depression analysis, called Incomplete Depression Feature Selection with Missing EEG Channels (IDFS-MEC). IDFS-MEC integrates missing-channel indicator information and adaptive channel weighting learning into orthogonal regression to lessen the effects of incomplete channels on model construction, and then utilizes global redundancy minimization learning to reduce redundant information among selected feature subsets. Extensive experiments conducted on MODMA and PRED-d003 datasets reveal that the EEG feature subsets chosen by IDFS-MEC have superior performance than 10 popular feature selection methods among 3-, 64-, and 128-channel settings.
• Abstract（参考訳）: 重篤な精神健康障害として、うつ病は人間の身体と精神の健康の両方に深刻な影響を及ぼす。 脳波によるうつ病分析の最近の進歩は、うつ病検出精度の改善に期待が持たれている。 しかし、EEGの機能は冗長で無関係でノイズの多い情報を含んでいることが多い。 さらに、実世界のEEGデータ取得は、電極剥離からのデータ損失や大きなノイズ干渉など、しばしば課題に直面している。 この課題に対処するために,不完全抑うつ特徴選択 (IDFS-MEC) と呼ばれる,頑健な抑うつ分析のための新しい特徴選択手法を提案する。 IDFS-MECは、不完全チャネルがモデル構築に与える影響を減らすために、不完全チャネル情報と適応チャネル重み付け学習を直交回帰に統合し、次いで、グローバル冗長性最小化学習を使用して、選択された特徴部分集合間の冗長情報を削減する。 MODMAとPreD-d003データセットで実施された大規模な実験により、IDFS-MECが選択したEEG特徴サブセットは、3, 64-, 18チャネル設定において10の一般的な特徴選択方法よりも優れた性能を示した。

関連論文リスト

• Bridging Accuracy and Explainability in EEG-based Graph Attention Network for Depression Detection [1.1147827531284868]
  うつ病は世界的な精神疾患の主要な原因であり、自殺率に大きな影響を及ぼす。 エッジゲート・軸混入型Pooling Attention Network (ExPANet) というグラフに基づく新しいディープラーニングフレームワークを提案する。 このアーキテクチャは、局所電極特性と包括的機能接続パターンの両方を取得する。
  論文  参考訳（メタデータ） (2025-10-29T18:50:59Z)
• CoSupFormer : A Contrastive Supervised learning approach for EEG signal Classification [0.0]
  脳波信号は、脳の状態を理解するのに不可欠な豊富なマルチスケール情報を含んでいる。 ノイズやチャネルの変動を処理しながら、生の脳波信号から有意義な特徴を抽出することは、依然として大きな課題である。 この研究は、これらの問題にいくつかの重要なイノベーションを通じて対処する、新しいエンドツーエンドのディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-24T19:04:12Z)
• LEL: A Novel Lipschitz Continuity-constrained Ensemble Learning Model for EEG-based Emotion Recognition [6.9292405290420005]
  脳波に基づく感情認識を強化する新しいフレームワークであるLEL(Lipschitz continuity-constrained Ensemble Learning)を導入する。 3つの公開ベンチマークデータセットの実験結果は、LELの最先端性能を実証した。
  論文  参考訳（メタデータ） (2025-04-12T09:41:23Z)
• CEReBrO: Compact Encoder for Representations of Brain Oscillations Using Efficient Alternating Attention [46.47343031985037]
  交互注意(CEReBrO)を用いた脳振動の表現のための圧縮法について紹介する。 トークン化方式は、チャネルごとのパッチで脳波信号を表現します。 本研究では,チャネル内時間的ダイナミックスとチャネル間空間的相関を共同でモデル化し,通常の自己アテンションに比べて6倍少ないメモリで2倍の速度向上を実現するための注意機構を提案する。
  論文  参考訳（メタデータ） (2025-01-18T21:44:38Z)
• Task-oriented Self-supervised Learning for Anomaly Detection in Electroencephalography [51.45515911920534]
  タスク指向型自己教師型学習手法を提案する。 大きなカーネルを持つ特定の2つの分岐畳み込みニューラルネットワークを特徴抽出器として設計する。 効果的に設計され、訓練された特徴抽出器は、より優れた特徴表現を脳波から抽出できることが示されている。
  論文  参考訳（メタデータ） (2022-07-04T13:15:08Z)
• Novel EEG-based BCIs for Elderly Rehabilitation Enhancement [0.8057006406834467]
  老化過程は認知障害や身体障害を引き起こし、高齢者の日常生活に影響を及ぼす可能性がある。 脳コンピュータインタフェース(BCI)の使用は、リハビリテーション手順の促進と強化に特に有効であることが判明した。 BCIは患者のエンゲージメントを高め、高齢者全体の健康改善のための信頼性の高いツールであることが証明された。
  論文  参考訳（メタデータ） (2021-10-08T08:31:53Z)
• 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)
• A Novel Transferability Attention Neural Network Model for EEG Emotion Recognition [51.203579838210885]
  脳波感情認識のための伝達型注目ニューラルネットワーク(TANN)を提案する。 TANNは、伝達可能な脳波領域のデータとサンプルを適応的に強調することにより、感情的な識別情報を学習する。 これは、複数の脳領域レベル判別器と1つのサンプルレベル判別器の出力を測定することで実現できる。
  論文  参考訳（メタデータ） (2020-09-21T02:42:30Z)

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。