論文の概要: Light-Adapted Electroretinogram and Oscillatory Potentials (LEOPs) Dataset for Autism Spectrum Disorder and Typically Developing Individuals
- arxiv url: http://arxiv.org/abs/2604.16981v1
- Date: Sat, 18 Apr 2026 12:48:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-21 21:52:52.272594
- Title: Light-Adapted Electroretinogram and Oscillatory Potentials (LEOPs) Dataset for Autism Spectrum Disorder and Typically Developing Individuals
- Title（参考訳）: 光適応型網膜電図と振動電位(LEOP)データセットによる自閉症スペクトラム障害と典型的発達者
- Authors: Paul A. Constable, Dorothy A. Thompson, Irene O. Lee, Lynne Loh, Aleksei Zhdanov, Mikhail Kulyabin, Andreas Maier,
- Abstract要約: LEOPsデータセットは、典型的には発達する個体に対して、光適応型(LA)網膜電図(ERG)および電位波形(OPs)を提供する。
ERGは、オーストラリアとイギリスの2箇所でハンドヘルドRETevalを用いて、皮膚電極で右眼と左眼に記録された。
LEOPsデータセットは、5つの単一フラッシュERGと4434OPs波形と、皮膚電極の位置を示す各参加者から選択された画像とを含む。
- 参考スコア（独自算出の注目度）: 2.6292068806370374
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The LEOPs (Light-ERG-Oscillatory Potentials) dataset provides light-adapted (LA) electroretinogram (ERG) and Oscillatory Potentials (OPs) waveforms for typically developing Control, Autism Spectrum Disorder (ASD) and ASD + Attention Deficit Hyperactivity Disorder (ADHD) childhood and adolescent populations. The ERGs were recorded in the Right And Left eyes with skin electrodes using the handheld RETeval device at two sites in Australia and the United Kingdom. The LEOPs dataset includes 5309 single flash ERG and 4434 OPs waveforms as well as images selected from each participant showing the position of the skin electrode. The LEOPs dataset is constructed from recordings using a 9 step randomized flash series from $-0.37$ to $1.20$~$Td.s$, a 2 step at 113 and 446 $Td.s$ flash strengths (2500 Control, 1730 ASD and 451 ASD + ADHD samples), as well as the $85$~$Td.s$ (Light Adapted 3 $cd.s.m^{-2}$ (LA3)) equivalent International Society of Clinical Electrophysiology of Vision (ISCEV) Standard flash with 435 Control, 176 ASD and 37 ASD + ADHD waveform samples. Code for the stimulus is provided along with participant demographics, date and time of testing, and where available diagnostic scores for the ASD and ASD + ADHD groups, alongside iris color, electrode position with image files and time domain values for the ERG and summed values for the OPs. The repository contains excel file, exported JSON files on the patient level that are more suitable for machine learning tasks, images of electrode position for each recording and the protocol files for use with the RETeval.
- Abstract（参考訳）: LEOP(Light-ERG-Oscillatory Potentials)データセットは、乳幼児および思春期において、一般的に発達するコントロール、自閉症スペクトラム障害(ASD)およびASD + 注意欠陥高活動障害(ADHD)のために、光適応型(LA)網膜電図(ERG)およびオシレーション電位(OPs)波形を提供する。
ERGは、オーストラリアとイギリスの2箇所でハンドヘルドのRETevalデバイスを使用して、皮膚電極で右目と左目で記録された。
LEOPsデータセットは、5309個の単一フラッシュERGと4434個のOPs波形と、皮膚電極の位置を示す各参加者から選択された画像とを含む。
LEOPsデータセットは、9ステップのランダム化フラッシュシリーズ($-0.37$から$.20$〜$Td.s$)、113および446$Td.s$フラッシュ強度(2500 Control, 1730 ASDおよび451 ASD + ADHDサンプル)、および8,5$~$Td.s$(Light Adapted 3 $cd.s)を用いて構築されている。
m^{-2}$ (LA3)相当 国際視覚電気生理学会(ISCEV)標準フラッシュ435制御、176ASD、37ASD + ADHD波形サンプル。
刺激のためのコードは、参加者の人口統計、テストの日時、およびASDおよびADHDグループの診断スコア、虹彩色、画像ファイルによる電極位置、ERGの時間領域値、OPの総和値と共に提供される。
リポジトリには、エクセルファイル、患者のレベルでエクスポートされたJSONファイルが含まれており、機械学習タスクにより適しており、各記録のための電極位置の画像とRETevalで使用するプロトコルファイルが含まれている。
関連論文リスト
- Self-Supervised Learning for Knee Osteoarthritis: Diagnostic Limitations and Prognostic Value of Hospital Data [44.60673645733936]
自己教師あり学習(SSL)は、診断と予後のための膝関節症(OA)モデルを改善する。
我々は,OAI,MOST,NYUコーホーツの膝X線写真で事前訓練された画像のみSSLと,(ii)病院膝X線写真で事前訓練されたマルチモーダル画像テキストSSLと,放射線学的印象との組み合わせを比較した。
Kellgren-Lawrence (KL)グレードの診断では、SSLは混合結果を得た。
論文 参考訳（メタデータ） (2026-03-26T00:33:55Z) - Omni-iEEG: A Large-Scale, Comprehensive iEEG Dataset and Benchmark for Epilepsy Research [4.4167069169736655]
$textbf Omni-iEEG は $textbf302 患者$と $textbf178 時間高解像度記録を含む大規模で手術前の iEEG リソースである。
発作性発症ゾーン、切除、手術結果などの調和した臨床メタデータが含まれており、診断されたてんかん医によって検証されている。
臨床的に意味のあるタスクを定義し、臨床に関係のある環境でモデルの体系的な評価を可能にする。
論文 参考訳（メタデータ） (2026-02-17T22:55:11Z) - BIONIX: A Wireless, Low-Cost Prosthetic Arm with Dual-Signal EEG and EMG Control [0.0]
本研究は脳波(EEG)と筋電図(EMG)を併用した低コストでデュアルモード神経筋制御システムを提案する。
EEG信号はNeuroSky MindWave Mobile 2を使用して取得され、ThinkGear Bluetoothパケットを介してESP32マイクロコントローラに送信される。
機能プロトタイプは低コストの材料で製造され、ほとんどの費用は商用のEEGヘッドセットによるものだった。
論文 参考訳（メタデータ） (2025-12-07T05:39:13Z) - A Real-Time BCI for Stroke Hand Rehabilitation Using Latent EEG Features from Healthy Subjects [0.0]
本研究では,脳卒中患者の手リハビリテーションを支援するために,リアルタイムでポータブルな脳-コンピュータインタフェース(BCI)システムを提案する。
このシステムは、低コストで3Dプリントされたロボット外骨格と、脳信号を物理的な手の動きに変換する内蔵のコントローラーを組み合わせる。
論文 参考訳（メタデータ） (2025-09-07T22:19:03Z) - Graph Attention Networks for Detecting Epilepsy from EEG Signals Using Accessible Hardware in Low-Resource Settings [45.62331048595689]
低所得国では、貧弱な神経科医や高価な診断ツールのためにてんかんが診断されていない。
低コストのEEGハードウェアからてんかんを検出するためのグラフベース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） (2025-07-20T20:44:39Z) - Your Turn: At Home Turning Angle Estimation for Parkinson's Disease Severity Assessment [39.780728280324944]
本稿では,ビデオから3Dスケルトンを抽出して回転角を自動的に定量化する深層学習手法を提案する。
我々は、24人の被験者から1386個のビデオクリップを回転させて、最先端の人間のポーズ推定モデルであるFastposeとStrided Transformerを利用する。
これは、一眼レフカメラデータを用いて、自宅のPD患者によるターンの定量化を行う最初の研究である。
論文 参考訳（メタデータ） (2024-08-15T14:36:07Z) - Synthetic Electroretinogram Signal Generation Using Conditional Generative Adversarial Network for Enhancing Classification of Autism Spectrum Disorder [2.677313250168906]
本研究では, ASD 児の合成ERG 信号を生成できるジェネレーティブ・アドバイサル・ネットワークについて述べる。
このアプローチは、ERGが障害の分類に役立つ可能性のある関連する精神疾患の分類モデルをサポートするかもしれない。
論文 参考訳（メタデータ） (2024-07-11T04:11:52Z) - Knowledge-Distilled Graph Neural Networks for Personalized Epileptic
Seizure Detection [43.905374104261014]
そこで,本研究では,全電極から得られたデータに基づいて訓練された高度感応検知器(教師と呼ぶ)から知識を伝達し,新しい検出器(学生と呼ぶ)を学習するための新しい知識蒸留手法を提案する。
どちらも軽量な実装を提供しており、脳波を記録するのに必要な電極の数を大幅に削減している。
以上の結果から,脳波の少ない症例では,知識蒸留とパーソナライゼーションの両方が,発作検出の性能向上に重要な役割を担っていることが明らかとなった。
論文 参考訳（メタデータ） (2023-04-03T15:37:40Z) - Energy-Efficient Tree-Based EEG Artifact Detection [17.085570466000906]
てんかんモニタリングでは、脳波アーチファクトは振幅と周波数の両方で形態学的に類似しているため、発作と誤認されることが多い。
本研究では, 並列超低消費電力(PULP)組み込みプラットフォーム上で, 最小数のEEGチャネルに基づくアーティファクト検出アルゴリズムの実装について述べる。
論文 参考訳（メタデータ） (2022-04-19T12:57:26Z) - Generalizing electrocardiogram delineation: training convolutional
neural networks with synthetic data augmentation [63.51064808536065]
ECGのデライン化のための既存のデータベースは小さく、サイズやそれらが表す病態の配列に不足している。
まず、原データベースから抽出した基本セグメントのプールを与えられたECGトレースを確率的に合成し、その整合性のある合成トレースに配置するための一連のルールを考案した。
第二に、2つの新しいセグメンテーションに基づく損失関数が開発され、これは、正確な数の独立構造の予測を強制し、サンプル数の削減に焦点をあてて、より密接なセグメンテーション境界を創出することを目的としている。
論文 参考訳（メタデータ） (2021-11-25T10:11:41Z)
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。