文献

J-GLOBAL ID：202202266661155977   整理番号：22A0630738

畳み込みニューラルネットワークのハイブリッドによるEEG信号からのうつ病の連続スコアリング【JST・京大機械翻訳】

Continuous Scoring of Depression From EEG Signals via a Hybrid of Convolutional Neural Networks

著者 (4件)： Hashempour S. (CSE & IT Department of Electrical and Computer Engineering, Shiraz University, Shiraz, Iran) ,  Boostani R. (CSE & IT Department of Electrical and Computer Engineering, Shiraz University, Shiraz, Iran) ,  Mohammadi M. (Department of Information Technology, College of Engineering and Computer Science, Lebanese French University, Erbil, Iraq) ,  Sanei S. (School of Science and Technology, Nottingham Trent University, Nottingham, U.K.)
資料名： IEEE Transactions on Neural Systems and Rehabilitation Engineering  (IEEE Transactions on Neural Systems and Rehabilitation Engineering)
巻： 30  ページ： 176-183  発行年： 2022年 
JST資料番号： W0560A  ISSN： 1534-4320  CODEN： ITNSB3  資料種別： 逐次刊行物 (A)
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： うつ病スコアは,定性的なアンケートであるBeck欝病インベントリー(BDI)試験を採用することによって伝統的に決定される。プレ記録脳波(EEG)信号を解析し,分類することによって,うつ病の定量的スコアリングも達成した。ここでは,BDIスコアを連続推定するために,1ステップをさらに進め,提案したハイブリッド畳込みおよび時間畳込みニューラルネットワーク(CNN-TCN)に生EEG信号を適用した。本研究では,119名の個人のEEGシグナルを,連続眼閉鎖および開眼間隔を通して64頭皮電極によって捕捉した。さらに,すべての被験者がBDI試験を受け,それらのスコアを決定した。提案したCNN-TCNは,眼開放状態に対して,5.64±1.6の平均二乗誤差(MSE)と1.73±0.27の平均絶対誤差(MAE)を提供し,また,眼閉状態に対して,9.53±2.94のMSEと2.32±0.35のMAEを提供し,最先端の深いネットワーク法を著しく凌駕した。もう一つのアプローチでは,従来のEEG特徴は,連続フレームのEEG信号から誘導され,既知の統計的回帰法と共に,提案されたCNN-TCNにそれらを適用する。著者らの方法は,統計的回帰法を統計的に凌駕する10.81±5.14のMSEと2.41±0.59のMAEを提供した。さらに,生のEEGによる結果は,EEG特徴を有する結果より著しく良かった。Copyright 2022 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： 畳込み ,  ネットワーク法 ,  脳波 ,  在庫量 ,  *うつ病 ,  アンケート
準シソーラス用語： 頭皮 ,  開眼 ,  *脳波信号 , 【Automatic Indexing@JST】

分類 (1件)： 生体計測  (EL03020C)

タイトルに関連する用語 (4件)： 畳み込みニューラルネットワーク ,  EEG信号 ,  うつ病 ,  スコアリング