論文の概要: A methodology to rank importance of frequencies and channels in electromyography data with Decision Tree classifiers

• arxiv url: http://arxiv.org/abs/2604.15353v1
• Date: Mon, 06 Apr 2026 00:20:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-04 02:32:13.861281
• Title: A methodology to rank importance of frequencies and channels in electromyography data with Decision Tree classifiers
• Title（参考訳）: 決定木分類器を用いた筋電図データにおける周波数とチャネルのランク付け手法
• Authors: Albert A. Nasybullin, Nursultan Abdullaev, Maksim A. Baranov, Viacheslav V. Koshman, Vitaly A. Mahonin,
• Abstract要約: 本研究は筋の回復を評価するため,筋電図(EMG)データにおいて最も有意な周波数とチャネルを同定した。 単一の決定木分類器を利用することで、この研究は解釈可能性を高め、特徴の重要性に関する洞察を提供する。 このアプローチは、EMGベースの診断に適応したコンパクトで堅牢なモデルの開発における将来の研究を導くことができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study presents a methodology for identifying the most informative frequencies and channels in electromyography (EMG) data to evaluate muscle recovery using Decision Tree classifiers. EMG signals, recorded from the vastus lateralis muscle during squat exercises, were analyzed across varying rest intervals to assess optimal recovery periods. By employing single Decision Tree classifiers, the study enhances interpretability, offering insights into feature importance - essential for applications in medical and sports settings where transparency is critical. The experimental protocol utilized a grid search for hyperparameter tuning and cross-validation to address class imbalance, ultimately achieving a reliable classification of rest intervals based on power spectral density features. The results indicate that a limited subset of highly informative features provides sufficient accuracy, suggesting that streamlined, interpretable models are effective for the evaluation of muscle recovery. This approach can guide future research in developing compact, robust models adapted to EMG-based diagnostics.
• Abstract（参考訳）: 本研究では,筋電図(EMG)データ中の最も情報に富む周波数とチャネルを同定し,決定木分類器を用いて筋力回復を評価する手法を提案する。 スクワット運動中にヒラメ筋から記録された筋電図信号は、最適な回復期間を評価するために、様々な休息間隔で分析された。 単一決定木分類器を利用することで、この研究は解釈可能性を高め、透明性が不可欠である医療やスポーツの分野での応用に不可欠な特徴の重要性に関する洞察を提供する。 実験的なプロトコルでは,過パラメータチューニングとクロスバリデーションのグリッドサーチを用いてクラス不均衡に対処し,最終的にパワースペクトル密度特性に基づいたレスト間隔の信頼性の高い分類を実現した。 以上の結果から,高度に情報的特徴の限られたサブセットは,筋力回復評価に有効であることが示唆された。 このアプローチは、EMGベースの診断に適応したコンパクトで堅牢なモデルの開発における将来の研究を導くことができる。

関連論文リスト

• Predicting Fetal Outcomes from Cardiotocography Signals Using a Supervised Variational Autoencoder [1.8352113484137627]
  心電図(CTG)信号を妊娠結果に基づいて分類するための教師付き変分オートエンコーダ(VAE)モデルの開発と解釈を行った。
  論文  参考訳（メタデータ） (2025-09-08T10:54:04Z)
• Evaluating Imputation Techniques for Short-Term Gaps in Heart Rate Data [2.5692532811345066]
  心拍数(HR)は、心血管の状態をモニターし、低血糖のような極端な生理的事象を検出する上で中心的な役割を果たす。 ウェアラブルデバイスのデータは、しばしば値の欠落に悩まされる。 この問題に対処するために、近年の研究では様々な計算手法が採用されている。 本研究は, 4つの統計計算手法の包括的評価を行うことにより, ギャップを埋めるものである。
  論文  参考訳（メタデータ） (2025-07-29T08:57:13Z)
• Attend-and-Refine: Interactive keypoint estimation and quantitative cervical vertebrae analysis for bone age assessment [32.52024944963992]
  小児矯正学では、効果的な治療戦略を開発するためには、成長電位の正確な推定が不可欠である。 本研究は, 成長ピークを同定し, 側頭頂部X線写真のみで頚椎形態を解析することによって, この可能性を予測することを目的とする。 我々は,アノテーションプロセスの合理化を目的としたユーザ対話型深層学習モデルARNetを紹介する。
  論文  参考訳（メタデータ） (2025-07-10T11:52:20Z)
• Respiratory Disease Classification and Biometric Analysis Using Biosignals from Digital Stethoscopes [3.2458203725405976]
  本研究は, 自動呼吸器疾患分類とバイオメトリックス解析にデジタル聴診器技術を活用した新しいアプローチを提案する。 各種呼吸状態の分類に機械学習モデルを訓練する。 本研究は,2値分類の精度(健康と疾患のバランス精度89%)と多値分類の精度(72%)を実現している。
  論文  参考訳（メタデータ） (2023-09-12T23:54:00Z)
• Brain Imaging-to-Graph Generation using Adversarial Hierarchical Diffusion Models for MCI Causality Analysis [44.45598796591008]
  機能的磁気共鳴画像(fMRI)を軽度認知障害解析のための効果的な接続性にマッピングするために,脳画像から画像へのBIGG(Brain Imaging-to-graph generation)フレームワークを提案する。 発電機の階層変換器は、複数のスケールでノイズを推定するように設計されている。 ADNIデータセットの評価は,提案モデルの有効性と有効性を示す。
  論文  参考訳（メタデータ） (2023-05-18T06:54:56Z)
• Learning to diagnose cirrhosis from radiological and histological labels with joint self and weakly-supervised pretraining strategies [62.840338941861134]
  そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。 我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。 この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
  論文  参考訳（メタデータ） (2023-02-16T17:06:23Z)
• Ontology-aware Learning and Evaluation for Audio Tagging [56.59107110017436]
  平均平均精度(mAP)は、異なる種類の音をそれらの関係を考慮せずに独立したクラスとして扱う。 オントロジー認識平均平均精度(OmAP)は、評価中にAudioSetオントロジー情報を利用することで、mAPの弱点に対処する。 我々は人間の評価を行い、OmAPはmAPよりも人間の知覚と一致していることを示した。
  論文  参考訳（メタデータ） (2022-11-22T11:35:14Z)
• Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
  大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。 本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
  論文  参考訳（メタデータ） (2022-05-08T15:29:54Z)
• Improving Classification Model Performance on Chest X-Rays through Lung Segmentation [63.45024974079371]
  本稿では, セグメンテーションによる異常胸部X線(CXR)識別性能を向上させるための深層学習手法を提案する。 提案手法は,CXR画像中の肺領域を局所化するための深層ニューラルネットワーク(XLSor)と,大規模CXRデータセットで事前学習した自己教師あり運動量コントラスト(MoCo)モデルのバックボーンを用いたCXR分類モデルである。
  論文  参考訳（メタデータ） (2022-02-22T15:24:06Z)
• Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
  ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。 我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
  論文  参考訳（メタデータ） (2021-10-27T19:28:36Z)

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。