論文の概要: Dynamic directed functional connectivity as a neural biomarker for objective motor skill assessment

• arxiv url: http://arxiv.org/abs/2502.13362v1
• Date: Wed, 19 Feb 2025 01:51:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-20 13:58:53.468536
• Title: Dynamic directed functional connectivity as a neural biomarker for objective motor skill assessment
• Title（参考訳）: 客観的運動能力評価のための神経バイオマーカーとしての動的指向機能接続
• Authors: Anil Kamat, Rahul Rahul, Anirban Dutta, Lora Cavuoto, Uwe Kruger, Harry Burke, Matthew Hackett, Jack Norfleet, Steven Schwaitzberg, Suvranu De,
• Abstract要約: 本研究では,神経バイオマーカーとしての動的指向性機能接続(dFC)に基づく運動能力評価手法を提案する。 脳波(EEG)は脳のダイナミクスを捉え、注意に基づくLong Short-Term Memory(LSTM)モデルを用いて非線形グランガー因果解析を行う。 次に、畳み込みニューラルネットワーク(CNN)を使用してスキルレベルを分類し、腹腔鏡下手術で確立されたパフォーマンス指標よりも高い精度と特異性を達成する。
• 参考スコア（独自算出の注目度）: 1.1993517339149389
• License:
• Abstract: Objective motor skill assessment plays a critical role in fields such as surgery, where proficiency is vital for certification and patient safety. Existing assessment methods, however, rely heavily on subjective human judgment, which introduces bias and limits reproducibility. While recent efforts have leveraged kinematic data and neural imaging to provide more objective evaluations, these approaches often overlook the dynamic neural mechanisms that differentiate expert and novice performance. This study proposes a novel method for motor skill assessment based on dynamic directed functional connectivity (dFC) as a neural biomarker. By using electroencephalography (EEG) to capture brain dynamics and employing an attention-based Long Short-Term Memory (LSTM) model for non-linear Granger causality analysis, we compute dFC among key brain regions involved in psychomotor tasks. Coupled with hierarchical task analysis (HTA), our approach enables subtask-level evaluation of motor skills, offering detailed insights into neural coordination that underpins expert proficiency. A convolutional neural network (CNN) is then used to classify skill levels, achieving greater accuracy and specificity than established performance metrics in laparoscopic surgery. This methodology provides a reliable, objective framework for assessing motor skills, contributing to the development of tailored training protocols and enhancing the certification process.
• Abstract（参考訳）: 客観的運動能力評価は, 手術などの分野において重要な役割を担っている。 しかし、既存の評価手法は、偏見を導入し再現性を制限する主観的人間の判断に大きく依存している。 最近の試みでは、キネマティックデータとニューラルイメージングを活用して、より客観的な評価を提供しているが、これらのアプローチは、専門家と初心者のパフォーマンスを区別する動的なニューラルメカニズムを見落としていることが多い。 本研究では,神経バイオマーカーとしての動的指向性機能接続(dFC)に基づく運動能力評価手法を提案する。 脳波(EEG)を用いて脳のダイナミクスを捉えるとともに、非線形グランガー因果解析に注意に基づくLong Short-Term Memory(LSTM)モデルを用いて、精神運動に関わる重要な脳領域のdFCを計算する。 本手法は階層的タスク分析(HTA)と組み合わせて,運動能力のサブタスクレベル評価を可能にし,専門家の熟練度を支える神経コーディネーションの詳細な知見を提供する。 次に、畳み込みニューラルネットワーク(CNN)を使用してスキルレベルを分類し、腹腔鏡下手術で確立されたパフォーマンス指標よりも精度と特異性を向上する。 この方法論は、運動能力を評価するための信頼性があり客観的な枠組みを提供し、調整されたトレーニングプロトコルの開発に寄与し、認定プロセスの強化に寄与する。

関連論文リスト

• Cognitive-Motor Integration in Assessing Bimanual Motor Skills [0.0]
  本研究では、ディープニューラルネットワーク(DNN)を活用して、認知的意思決定と運動実行の両方を分析し統合する新しいアプローチを提案する。 腹腔鏡下手術の基礎教育における腹腔鏡下手術技術の評価により,本手法を検証した。
  論文  参考訳（メタデータ） (2024-04-16T20:20:23Z)
• Exploring Novel Object Recognition and Spontaneous Location Recognition Machine Learning Analysis Techniques in Alzheimer's Mice [0.0]
  本研究は,最先端の計算パイプラインの開発,応用,評価に重点を置いている。 このパイプラインは、初期データ収集のためのAny-Maze、詳細なポーズ推定のためのDeepLabCut、ニュアンスな行動分類のための畳み込みニューラルネットワーク(CNN)の3つの高度な計算モデルを統合する。
  論文  参考訳（メタデータ） (2023-12-12T00:54:39Z)
• Brain-Inspired Machine Intelligence: A Survey of Neurobiologically-Plausible Credit Assignment [65.268245109828]
  本稿では,神経生物学にインスパイアされた,あるいは動機付けられた人工ニューラルネットワークにおける信用割当を行うアルゴリズムについて検討する。 我々は、脳にインスパイアされた学習スキームを6つの一般的なファミリーにまとめ、これらを誤りのバックプロパゲーションの文脈で検討する。 本研究の成果は,神経ミメティックシステムとその構成的学習プロセスの今後の発展を促進することを目的としている。
  論文  参考訳（メタデータ） (2023-12-01T05:20:57Z)
• Learning low-dimensional dynamics from whole-brain data improves task capture [2.82277518679026]
  逐次変分オートエンコーダ(SVAE)を用いたニューラルダイナミクスの低次元近似学習手法を提案する。 本手法は,従来の手法よりも精度の高い認知過程を予測できるスムーズなダイナミクスを見出す。 我々は、モータ、ワーキングメモリ、リレーショナル処理タスクを含む様々なタスクfMRIデータセットに対するアプローチを評価した。
  論文  参考訳（メタデータ） (2023-05-18T18:43:13Z)
• Modeling cognitive load as a self-supervised brain rate with electroencephalography and deep learning [2.741266294612776]
  本研究では,脳波データからメンタルワークロードをモデリングするための,新たな自己教師型手法を提案する。 脳波データからスペクトル地形図を空間的に保存して脳速度変数に適合させることができる畳み込みリカレントニューラルネットワークである。 学習した認知活性化の準安定なブロックの存在は、それらは畳み込みによって誘導され、時間とともに互いに依存していないように見えるため、脳反応の非定常的性質と直感的に一致している。
  論文  参考訳（メタデータ） (2022-09-21T07:44:21Z)
• Overcoming the Domain Gap in Contrastive Learning of Neural Action Representations [60.47807856873544]
  神経科学の基本的な目標は、神経活動と行動の関係を理解することである。 我々は,ハエが自然に生み出す行動からなる新しいマルチモーダルデータセットを作成した。 このデータセットと新しい拡張セットは、神経科学における自己教師あり学習手法の適用を加速することを約束します。
  論文  参考訳（メタデータ） (2021-11-29T15:27:51Z)
• Evaluation of Interpretability for Deep Learning algorithms in EEG Emotion Recognition: A case study in Autism [4.752074022068791]
  説明可能な人工知能(XAI)に関する現在のモデルでは、特徴関連性を測定するための信頼性の欠如が明らかで定量化されている。 この研究は、脳波に基づく顔の感情認識を成功させるために、より透明な特徴関連計算を統合する最初のものである。
  論文  参考訳（メタデータ） (2021-11-25T18:28:29Z)
• Backprop-Free Reinforcement Learning with Active Neural Generative Coding [84.11376568625353]
  動的環境におけるエラー(バックプロップ)のバックプロパゲーションを伴わない行動駆動型生成モデルの学習のための計算フレームワークを提案する。 我々は、まばらな報酬でも機能するインテリジェントエージェントを開発し、推論として計画の認知理論からインスピレーションを得ている。 我々のエージェントの堅牢な性能は、神経推論と学習のためのバックプロップフリーアプローチがゴール指向の行動を促進するという有望な証拠を提供する。
  論文  参考訳（メタデータ） (2021-07-10T19:02:27Z)
• Neuro-symbolic Neurodegenerative Disease Modeling as Probabilistic Programmed Deep Kernels [93.58854458951431]
  本稿では、神経変性疾患のパーソナライズされた予測モデリングのための、確率的プログラムによる深層カーネル学習手法を提案する。 我々の分析は、ニューラルネットワークとシンボリック機械学習のアプローチのスペクトルを考慮する。 我々は、アルツハイマー病の予測問題について評価を行い、深層学習を超越した結果を得た。
  論文  参考訳（メタデータ） (2020-09-16T15:16:03Z)
• Recurrent Neural Network Learning of Performance and Intrinsic Population Dynamics from Sparse Neural Data [77.92736596690297]
  本稿では,RNNの入出力動作だけでなく,内部ネットワークのダイナミクスも学習できる新しいトレーニング戦略を提案する。 提案手法は、RNNを訓練し、生理学的にインスパイアされた神経モデルの内部ダイナミクスと出力信号を同時に再現する。 注目すべきは、トレーニングアルゴリズムがニューロンの小さなサブセットの活性に依存する場合であっても、内部動力学の再現が成功することである。
  論文  参考訳（メタデータ） (2020-05-05T14:16:54Z)
• Continuous Emotion Recognition via Deep Convolutional Autoencoder and Support Vector Regressor [70.2226417364135]
  マシンはユーザの感情状態を高い精度で認識できることが不可欠である。 ディープニューラルネットワークは感情を認識する上で大きな成功を収めている。 表情認識に基づく連続的感情認識のための新しいモデルを提案する。
  論文  参考訳（メタデータ） (2020-01-31T17:47:16Z)

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。