文献

J-GLOBAL ID：202002248607079612   整理番号：20A0832212

新しい機械学習法を用いた10分のEEG記録におけるナルコレプシーと特発性ハイパーsomniaの間の高性能分化に向けて【JST・京大機械翻訳】

Towards high-performance differentiation between Narcolepsy and Idiopathic Hypersomnia in 10 minute EEG recordings using a Novel Machine Learning Approach

著者 (3件)： Buettner Ricardo (Aalen University,Germany) ,  Fuhrmann Jessica (Aalen University,Germany) ,  Kolb Laura (Aalen University,Germany)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： HealthCom  ページ： 1-7  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 時間と費用集中試験は睡眠障害の診断と分類のための現在の標準であるが,10分間の脳波記録を用いて,ナルコレプシーと特発性の過酸化の間を区別する結果を示した。新しい高速機械学習法を用いて,ほぼ75%の精度を達成し,さらに,デルタとベータ-1の周波数に系統的な差があることを示した。個人化された治療のためには,睡眠障害を副作用を有するだけでなく,各睡眠障害に対しても等しく効果がないので,睡眠障害を区別することが重要である。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ナルコレプシー ,  *脳波 ,  副作用 ,  睡眠障害 ,  分化 ,  *機械学習 ,  過酸化
準シソーラス用語： 脳波検査 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 機械学習 ,  EEG記録 ,  ナルコレプシー ,  高性能 ,  分化