論文の概要: Perceptual Reality Transformer: Neural Architectures for Simulating Neurological Perception Conditions

• arxiv url: http://arxiv.org/abs/2508.09852v1
• Date: Wed, 13 Aug 2025 14:34:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-14 20:42:00.932173
• Title: Perceptual Reality Transformer: Neural Architectures for Simulating Neurological Perception Conditions
• Title（参考訳）: 知覚現実性変換器:神経知覚条件のシミュレーションのためのニューラルネットワーク
• Authors: Baihan Lin,
• Abstract要約: 本稿では、6つの異なるニューラルネットワークを用いて8つの神経学的知覚条件をシミュレートする包括的フレームワークPerceptual Reality Transformerを提案する。 本システムでは, 自然画像から条件特異的知覚状態へのマッピングを学習し, 他者がシムルタナグノーシス, プロソプラグノーシス, ADHD注意障害, 視覚失調, うつ病関連変化, 不安トンネル視, アルツハイマーの記憶効果の近似を経験できるようにする。 本研究は、神経学的知覚シミュレーションのための最初の体系的ベンチマークを確立し、臨床文献に基づく新しい条件特異的摂動関数に寄与し、シミュレーション忠実度を評価するための定量的指標を提供する。
• 参考スコア（独自算出の注目度）: 15.417809900388262
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Neurological conditions affecting visual perception create profound experiential divides between affected individuals and their caregivers, families, and medical professionals. We present the Perceptual Reality Transformer, a comprehensive framework employing six distinct neural architectures to simulate eight neurological perception conditions with scientifically-grounded visual transformations. Our system learns mappings from natural images to condition-specific perceptual states, enabling others to experience approximations of simultanagnosia, prosopagnosia, ADHD attention deficits, visual agnosia, depression-related changes, anxiety tunnel vision, and Alzheimer's memory effects. Through systematic evaluation across ImageNet and CIFAR-10 datasets, we demonstrate that Vision Transformer architectures achieve optimal performance, outperforming traditional CNN and generative approaches. Our work establishes the first systematic benchmark for neurological perception simulation, contributes novel condition-specific perturbation functions grounded in clinical literature, and provides quantitative metrics for evaluating simulation fidelity. The framework has immediate applications in medical education, empathy training, and assistive technology development, while advancing our fundamental understanding of how neural networks can model atypical human perception.
• Abstract（参考訳）: 視覚に影響を及ぼす神経学的条件は、影響を受けた個人とその介護者、家族、医療専門家の間に深い経験的な隔たりを生じさせる。 本稿では,6つの異なるニューラルアーキテクチャを用いた包括的フレームワークであるPerceptual Reality Transformerについて述べる。 本システムでは, 自然画像から条件特異的知覚状態へのマッピングを学習し, 他者がシムルタナグノーシス, プロソプラグノーシス, ADHD注意障害, 視覚失調, うつ病関連変化, 不安トンネル視, アルツハイマーの記憶効果の近似を経験できるようにする。 ImageNet と CIFAR-10 データセットの体系的評価を通じて,ビジョントランスフォーマー アーキテクチャは,従来の CNN や生成手法よりも優れた性能を発揮することを示す。 本研究は、神経学的知覚シミュレーションのための最初の体系的ベンチマークを確立し、臨床文献に基づく新しい条件特異的摂動関数に寄与し、シミュレーション忠実度を評価するための定量的指標を提供する。 このフレームワークは、医学教育、共感トレーニング、補助技術開発に直ちに応用され、ニューラルネットワークが非定型的人間の知覚をモデル化する方法の根本的な理解を深める。

関連論文リスト

• Convergent transformations of visual representation in brains and models [0.0]
  認知神経科学における根本的な疑問は、視覚的知覚(外界の構造や脳の内部構造)をどう形成するかである。 人間の視覚と人工視覚の両方において、外界の構造によって駆動される視覚的エンコーディングのための収束した計算解を示す。
  論文  参考訳（メタデータ） (2025-07-18T14:13:54Z)
• Visual Image Reconstruction from Brain Activity via Latent Representation [0.0]
  レビューでは、フィールドの進化は初期の分類のアプローチから洗練された再構築まで遡る。 多様なデータセットの必要性と、人間の知覚的判断に合わせた洗練された評価指標について論じる。 視覚画像再構成は、ニューラルコーディングに関する有望な洞察を提供し、視覚経験の新たな心理的測定を可能にする。
  論文  参考訳（メタデータ） (2025-05-13T10:46:52Z)
• Brain3D: Generating 3D Objects from fMRI [76.41771117405973]
  被験者のfMRIデータを入力として利用する新しい3Dオブジェクト表現学習手法であるBrain3Dを設計する。 我々は,人間の視覚系の各領域の異なる機能的特徴を,我々のモデルが捉えていることを示す。 予備評価は、Brain3Dがシミュレーションシナリオで障害した脳領域を正常に識別できることを示唆している。
  論文  参考訳（メタデータ） (2024-05-24T06:06:11Z)
• 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)
• Unidirectional brain-computer interface: Artificial neural network encoding natural images to fMRI response in the visual cortex [12.1427193917406]
  本稿では,人間の脳を模倣する人工ニューラルネットワークVISIONを提案する。 VISIONは、人間の血行動態の反応をfMRIボクセル値として、最先端の性能を超える精度で45%の精度で予測することに成功した。
  論文  参考訳（メタデータ） (2023-09-26T15:38:26Z)
• Contrastive-Signal-Dependent Plasticity: Self-Supervised Learning in Spiking Neural Circuits [61.94533459151743]
  この研究は、スパイキングネットワークのシナプスを調整するための神経生物学的に動機づけられたスキームを設計することの課題に対処する。 我々の実験シミュレーションは、繰り返しスパイクネットワークを訓練する際、他の生物学的に証明可能なアプローチに対して一貫した優位性を示す。
  論文  参考訳（メタデータ） (2023-03-30T02:40:28Z)
• Adapting Brain-Like Neural Networks for Modeling Cortical Visual Prostheses [68.96380145211093]
  皮質補綴は視覚野に移植された装置で、電気的にニューロンを刺激することで失った視力を回復しようとする。 現在、これらのデバイスが提供する視覚は限られており、刺激による視覚知覚を正確に予測することはオープンな課題である。 我々は、視覚システムの有望なモデルとして登場した「脳様」畳み込みニューラルネットワーク(CNN)を活用することで、この問題に対処することを提案する。
  論文  参考訳（メタデータ） (2022-09-27T17:33:19Z)
• Functional2Structural: Cross-Modality Brain Networks Representation Learning [55.24969686433101]
  脳ネットワーク上のグラフマイニングは、臨床表現型および神経変性疾患のための新しいバイオマーカーの発見を促進する可能性がある。 本稿では,Deep Signed Brain Networks (DSBN) と呼ばれる新しいグラフ学習フレームワークを提案する。 臨床表現型および神経変性疾患予測の枠組みを,2つの独立した公開データセットを用いて検証した。
  論文  参考訳（メタデータ） (2022-05-06T03:45:36Z)
• The world seems different in a social context: a neural network analysis of human experimental data [57.729312306803955]
  本研究では,先行・知覚的信号の精度を変化させることで,個人・社会的タスク設定の両方で人間の行動データを再現可能であることを示す。 トレーニングされたネットワークの神経活性化トレースの分析は、情報が個人や社会的条件のネットワークにおいて、根本的に異なる方法でコード化されていることを示す。
  論文  参考訳（メタデータ） (2022-03-03T17:19:12Z)

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。