Jove
Visualize
お問い合わせ
JoVE
x logofacebook logolinkedin logoyoutube logo
JoVEについて
概要リーダーシップブログJoVEヘルプセンター
著者向け
出版プロセス編集委員会範囲と方針査読よくある質問投稿
図書館員向け
推薦の声購読アクセスリソース図書館諮問委員会よくある質問
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experimentsアーカイブ
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教員リソースセンター教員サイト
利用規約
プライバシーポリシー
ポリシー

関連する概念動画

Seizures: Classification01:13

Seizures: Classification

Epilepsy is primarily characterized by unpredictable seizures, either provoked by an identifiable factor, such as injury or illness, or unprovoked, occurring spontaneously without apparent cause.
Seizures are typically classified into two main categories: focal and generalized seizures.
Focal Seizures
Focal seizures originate from specific regions of the brain. These seizures are further sub-classified into two types:

こちらも読む

関連記事

共著者、ジャーナル、引用グラフによってこの研究に関連する記事。

並び替え
Same journal

Hierarchical disruptions of white matter rich-club organization in comorbid insomnia with anxiety: a diffusion tensor imaging study.

Psychiatry research. Neuroimaging·2026
Same journal

The amygdala in bipolar disorder: A cross-sectional study examining the relevance of structural alterations of amygdala subfields for cognitive functioning in patients with bipolar disorder.

Psychiatry research. Neuroimaging·2026
Same journal

Combined transformer encoder-CNN architecture with texture features for MRI-based Alzheimer's disease detection.

Psychiatry research. Neuroimaging·2026
Same journal

Changes in EEG-derived entropy are associated with symptom improvement in major depressive disorder following electroconvulsive therapy.

Psychiatry research. Neuroimaging·2026
Same journal

P50 sensory gating in children with ADHD, autism spectrum disorder, and neurotypicals: Within-session test-retest reliability and evaluation of methodologies.

Psychiatry research. Neuroimaging·2026
Same journal

Effects of riluzole on excitation-inhibition imbalance and functional connectivity in 22q11.2 deletion syndrome: a multimodal 7-Tesla MRI study.

Psychiatry research. Neuroimaging·2026

関連する実験動画

Updated: Jun 29, 2026

Mapping Cortical Dynamics Using Simultaneous MEG/EEG and Anatomically-constrained Minimum-norm Estimates: an Auditory Attention Example
08:45

Mapping Cortical Dynamics Using Simultaneous MEG/EEG and Anatomically-constrained Minimum-norm Estimates: an Auditory Attention Example

Published on: October 24, 2012

15.2K

注意機構統合型深層畳み込みネットワークを用いたEEGベースの統合失調症分類

Anjali Sagar Jangde1, Gyanendra Kumar Verma1

  • 1National Institute of Technology, Information Technology, Raipur, Chhattisgarh, India.

Psychiatry research. Neuroimaging
|January 13, 2026
PubMed
まとめ
この要約は機械生成です。

畳み込みアテンションネットワークを用いた新しい深層学習モデルは、脳波（EEG）信号から自動的に統合失調症を検出できます。このAIアプローチは、1つのデータセットで高い精度を示しており、統合失調症診断の改善の可能性を強調しています。

キーワード:
注意機構畳み込みニューラルネットワーク (CNN)脳波 (EEG)統合失調症 (SZ)

さらに関連する動画

Electroencephalography Network Indices as Biomarkers of Upper Limb Impairment in Chronic Stroke
06:37

Electroencephalography Network Indices as Biomarkers of Upper Limb Impairment in Chronic Stroke

Published on: July 14, 2023

1.3K
Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications
03:31

Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications

Published on: December 15, 2023

1.0K

関連する実験動画

Last Updated: Jun 29, 2026

Mapping Cortical Dynamics Using Simultaneous MEG/EEG and Anatomically-constrained Minimum-norm Estimates: an Auditory Attention Example
08:45

Mapping Cortical Dynamics Using Simultaneous MEG/EEG and Anatomically-constrained Minimum-norm Estimates: an Auditory Attention Example

Published on: October 24, 2012

15.2K
Electroencephalography Network Indices as Biomarkers of Upper Limb Impairment in Chronic Stroke
06:37

Electroencephalography Network Indices as Biomarkers of Upper Limb Impairment in Chronic Stroke

Published on: July 14, 2023

1.3K
Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications
03:31

Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications

Published on: December 15, 2023

1.0K

科学分野:

  • 神経科学
  • 人工知能
  • 生体医工学

背景:

  • 統合失調症は複雑な精神障害です。
  • 脳波（EEG）は、統合失調症におけるバイオマーカー同定のための非侵襲的な方法を提供します。

研究 の 目的:

  • EEG信号を用いた統合失調症の自動検出のための深層学習フレームワークを開発・評価すること。
  • 診断精度の向上のために、空間的および時間的特徴抽出を統合すること。

主な方法:

  • 畳み込みアテンションベースの深層学習フレームワークを提案しました。
  • このモデルは、空間的特徴抽出のために畳み込み層を、時間的パターンの焦点のために注意機構を利用しています。
  • モスクワEEGおよびIBIB PANデータセットで実験を実施しました。

主要な成果:

  • モデルはモスクワEEGデータセットで73.98%の精度を達成しましたが、これは人口統計学的および記録上の制限による可能性があります。
  • IBIB PANデータセットで98.45%の分類精度が得られ、強力なパフォーマンスを示しました。
  • 本研究は、モデルの識別能力と一般化の可能性を強調しています。

結論:

  • 注意機構拡張型畳み込みネットワークは、EEGからの統合失調症検出に有望です。
  • データセットのばらつき（人口統計学的、取得方法）は、モデルの一般化に課題をもたらします。
  • 多様な集団および記録条件に対応するためにモデルを改良するには、さらなる研究が必要です。