論文の概要: Toward Semantic Publishing in Non-Invasive Brain Stimulation: A
Comprehensive Analysis of rTMS Studies
- arxiv url: http://arxiv.org/abs/2310.06517v1
- Date: Tue, 10 Oct 2023 11:00:23 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-11 15:59:24.165992
- Title: Toward Semantic Publishing in Non-Invasive Brain Stimulation: A
Comprehensive Analysis of rTMS Studies
- Title（参考訳）: 非侵襲脳刺激におけるセマンティックパブリッシングに向けて:rTMS研究の総合的分析
- Authors: Swathi Anil and Jennifer D'Souza
- Abstract要約: 非侵襲的脳刺激(NIBS)は、脳の興奮に影響を及ぼす可能性のある経頭蓋刺激技術を含んでいる。
本稿では,知識グラフに基づく次世代デジタル図書館のエコシステムにおけるNIBSのセマンティックパブリッシングについて紹介する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Noninvasive brain stimulation (NIBS) encompasses transcranial stimulation
techniques that can influence brain excitability. These techniques have the
potential to treat conditions like depression, anxiety, and chronic pain, and
to provide insights into brain function. However, a lack of standardized
reporting practices limits its reproducibility and full clinical potential.
This paper aims to foster interinterdisciplinarity toward adopting Computer
Science Semantic reporting methods for the standardized documentation of
Neuroscience NIBS studies making them explicitly Findable, Accessible,
Interoperable, and Reusable (FAIR).
In a large-scale systematic review of 600 repetitive transcranial magnetic
stimulation (rTMS), a subarea of NIBS, dosages, we describe key properties that
allow for structured descriptions and comparisons of the studies. This paper
showcases the semantic publishing of NIBS in the ecosphere of
knowledge-graph-based next-generation scholarly digital libraries.
Specifically, the FAIR Semantic Web resource(s)-based publishing paradigm is
implemented for the 600 reviewed rTMS studies in the Open Research Knowledge
Graph.
- Abstract（参考訳）: 非侵襲的脳刺激(NIBS)は、脳の興奮に影響を及ぼす可能性のある経頭蓋刺激技術を含んでいる。
これらの技術は、うつ病、不安、慢性的な痛みなどの症状を治療し、脳機能に関する洞察を与える可能性がある。
しかし、標準化された報告慣行の欠如は再現性と完全な臨床可能性を制限する。
本稿では,神経科学nibs研究の標準化文書化に向けて,コンピュータサイエンスのセマンティクス・レポーティング手法を採用するための学際的連携を促進することを目的としている。
NIBSのサブ領域である600回反復経頭蓋磁気刺激(rTMS)の大規模体系的レビューにおいて,本研究の構造化と比較を可能にする重要な特性について述べる。
本稿では,知識グラフに基づく次世代デジタル図書館のエコシステムにおけるNIBSのセマンティックパブリッシングについて述べる。
特に、FAIR Semantic Webリソースベースのパブリッシングパラダイムは、Open Research Knowledge Graphにおける600のレビューされたrTMS研究のために実装されている。
関連論文リスト
- Applications of interpretable deep learning in neuroimaging: a comprehensive review [2.1129232596214105]
本研究は,解釈可能な深層学習法(iDL)の神経画像応用に関する文献を体系的にレビューした。
文献で最もよく使われているiDLアプローチは、神経画像データに最適である可能性がある。
論文 参考訳（メタデータ） (2024-05-30T20:52:13Z) - A self-supervised text-vision framework for automated brain abnormality detection [1.1852378060341289]
脳MRI画像における臨床的に関連のある異常を検出するためのテキストビジョンフレームワークを提案する。
当フレームワークは,臨床診断支援ツールとしても機能する可能性がある。
論文 参考訳（メタデータ） (2024-05-05T01:51:58Z) - MindBridge: A Cross-Subject Brain Decoding Framework [60.58552697067837]
脳の復号化は、獲得した脳信号から刺激を再構築することを目的としている。
現在、脳の復号化はモデルごとのオブジェクトごとのパラダイムに限られている。
我々は,1つのモデルのみを用いることで,オブジェクト間脳デコーディングを実現するMindBridgeを提案する。
論文 参考訳（メタデータ） (2024-04-11T15:46:42Z) - UniBrain: Universal Brain MRI Diagnosis with Hierarchical
Knowledge-enhanced Pre-training [66.16134293168535]
我々はUniBrainと呼ばれるユニバーサル脳MRI診断のための階層的知識強化事前訓練フレームワークを提案する。
具体的には、UniBrainは、定期的な診断から24,770のイメージレポートペアの大規模なデータセットを活用する。
論文 参考訳（メタデータ） (2023-09-13T09:22:49Z) - Beyond Known Reality: Exploiting Counterfactual Explanations for Medical
Research [1.6574413179773761]
本研究は, 医療研究における「もし」シナリオの適用可能性を探るために, 反事実的説明を用いている。
本研究の目的は, 小児後頭葉腫瘍の診断に使用されるMRI像の理解を深めることである。
論文 参考訳（メタデータ） (2023-07-05T09:14:09Z) - Behavior quantification as the missing link between fields: Tools for
digital psychiatry and their role in the future of neurobiology [0.0]
現在の技術は、行動特性を改善するためのエキサイティングな機会です。
携帯電話のGPSやスマートウォッチの加速度計などの受動的センサーストリームを連続的に収集する新機能は、新しい疑問の道を開く。
理論上、現在の技術で捉えられるものには大きな可能性があるが、それ自体は大きな計算課題である。
論文 参考訳（メタデータ） (2023-05-24T17:45:10Z) - NeuroExplainer: Fine-Grained Attention Decoding to Uncover Cortical
Development Patterns of Preterm Infants [73.85768093666582]
我々はNeuroExplainerと呼ばれる説明可能な幾何学的深層ネットワークを提案する。
NeuroExplainerは、早産に伴う幼児の皮質発達パターンの解明に使用される。
論文 参考訳（メタデータ） (2023-01-01T12:48:12Z) - fMRI from EEG is only Deep Learning away: the use of interpretable DL to
unravel EEG-fMRI relationships [68.8204255655161]
多チャンネル脳波データからいくつかの皮質下領域の活性を回復するための解釈可能な領域基底解を提案する。
我々は,皮質下核の血行動態信号の頭皮脳波予測の空間的・時間的パターンを復元する。
論文 参考訳（メタデータ） (2022-10-23T15:11:37Z) - Hierarchical Graph Convolutional Network Built by Multiscale Atlases for
Brain Disorder Diagnosis Using Functional Connectivity [48.75665245214903]
本稿では,脳疾患診断のためのマルチスケールFCN解析を行うための新しいフレームワークを提案する。
まず、マルチスケールFCNを計算するために、明確に定義されたマルチスケールアトラスのセットを用いる。
そこで我々は, 生物的に有意な脳階層的関係を多スケールアトラスの領域で利用し, 結節プールを行う。
論文 参考訳（メタデータ） (2022-09-22T04:17:57Z) - Neural networks for Anatomical Therapeutic Chemical (ATC) [83.73971067918333]
両方向の長期記憶ネットワーク(BiLSTM)から抽出された集合を含む、特徴の異なるセットで訓練された複数の複数ラベル分類器を組み合わせることを提案する。
実験はこのアプローチのパワーを実証し、文献で報告された最良の手法よりも優れていることを示した。
論文 参考訳（メタデータ） (2021-01-22T19:49:47Z) - Deep Reinforcement Learning and its Neuroscientific Implications [19.478332877763417]
強力な人工知能の出現は、神経科学の新しい研究方向を定義している。
深層強化学習(Deep RL)は、学習、表現、意思決定の間の相互作用を研究するための枠組みを提供する。
Deep RLは、新しい研究ツールセットと、幅広い新しい仮説を提供する。
論文 参考訳（メタデータ） (2020-07-07T19:27:54Z)
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。