論文の概要: Repetitive TMS-based Identification of Methamphetamine-Dependent Individuals Using EEG Spectra

• arxiv url: http://arxiv.org/abs/2508.11312v1
• Date: Fri, 15 Aug 2025 08:31:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-18 14:51:23.800982
• Title: Repetitive TMS-based Identification of Methamphetamine-Dependent Individuals Using EEG Spectra
• Title（参考訳）: 脳波スペクトルを用いたMethamphetamine依存性個体の反復的TMSによる同定
• Authors: Ziyi Zeng, Yun-Hsuan Chen, Xurong Gao, Wenyao Zheng, Hemmings Wu, Zhoule Zhu, Jie Yang, Chengkai Wang, Lihua Zhong, Weiwei Cheng, Mohamad Sawan,
• Abstract要約: メタンフェタミン (METH) の反復的経頭蓋磁気刺激 (rTMS) は, アンケートにより評価されることが多い。 本研究は、より客観的な結果を得るために、ニューラルシグナルを使用することの可能性を検討する。
• 参考スコア（独自算出の注目度）: 3.2319166264776773
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The impact of repetitive transcranial magnetic stimulation (rTMS) on methamphetamine (METH) users' craving levels is often assessed using questionnaires. This study explores the feasibility of using neural signals to obtain more objective results. EEG signals recorded from 20 METH-addicted participants Before and After rTMS (MBT and MAT) and from 20 healthy participants (HC) are analyzed. In each EEG paradigm, participants are shown 15 METH-related and 15 neutral pictures randomly, and the relative band power (RBP) of each EEG sub-band frequency is derived. The average RBP across all 31 channels, as well as individual brain regions, is analyzed. Statistically, MAT's alpha, beta, and gamma RBPs are more like those of HC compared to MBT, as indicated by the power topographies. Utilizing a random forest (RF), the gamma RBP is identified as the optimal frequency band for distinguishing between MBT and HC with a 90% accuracy. The performance of classifying MAT versus HC is lower than that of MBT versus HC, suggesting that the efficacy of rTMS can be validated using RF with gamma RBP. Furthermore, the gamma RBP recorded by the TP10 and CP2 channels dominates the classification task of MBT versus HC when receiving METH-related image cues. The gamma RBP during exposure to METH-related cues can serve as a biomarker for distinguishing between MBT and HC and for evaluating the effectiveness of rTMS. Therefore, real-time monitoring of gamma RBP variations holds promise as a parameter for implementing a customized closed-loop neuromodulation system for treating METH addiction.
• Abstract（参考訳）: 反復的経頭蓋磁気刺激(rTMS)がメタンフェタミン(METH)使用者のクレービングレベルに及ぼす影響をアンケートにより評価する。 本研究は、より客観的な結果を得るために、ニューラルシグナルを使用することの可能性について検討する。 健常者20名(MBTおよびMAT)と健常者20名(HC)の脳波を解析した。 各EEGパラダイムでは、15 METH関連および15中性画像がランダムに表示され、各EEGサブバンド周波数の相対帯域電力(RBP)が導出される。 全31チャンネルの平均RDPと個々の脳領域を分析した。 統計的には、MATのα、ベータ、ガンマRBPは、パワートポグラフィーで示されるように、MTTと比較してHCのものと似ている。 ランダムフォレスト(RF)を用いて、ガンマ RBP を MBT と HC を90%の精度で識別するための最適な周波数帯域として同定する。 MAT と HC の分類性能は MBT と HC より低く,rTMS の有効性は RF とガンマ RBP を用いて検証可能であることが示唆された。 さらに、TP10およびCP2チャネルによって記録されたガンマRBPは、METH関連画像キューを受ける際に、MBTとHCの分類タスクを支配している。 METH関連キューへの曝露中のガンマRBPは、MBTとHCを区別し、rTMSの有効性を評価するバイオマーカーとして機能する。 したがって、ガンマRBP変動のリアルタイムモニタリングは、METH依存症を治療するためのカスタマイズされたクローズドループ神経調節システムを実装するためのパラメータとして約束される。

関連論文リスト

• Joint Attention Mechanism Learning to Facilitate Opto-physiological Monitoring during Physical Activity [4.674309739521861]
  本研究では,注意機構を持つ生成的対向ネットワーク(AM-GAN)を用いて,光学生理学的モニタリングのための実践的対向学習手法を提案する。 AM-GANは、生ノイズ信号からMA耐性マッピングを学習し、逆向きにPSG信号をクリアする。 この研究は、AM-GANのロバスト性とレジリエンス、特に低-高-高-高-強度の身体活動におけるレジリエンスを実証している。
  論文  参考訳（メタデータ） (2025-02-13T13:08:11Z)
• Heart Rate and its Variability from Short-term ECG Recordings as Biomarkers for Detecting Mild Cognitive Impairment in Indian Population [0.5874782446136914]
  完全信号処理パイプラインを設計し、R波ピークを検出し、ECG記録からHRとHRVの特徴を10秒で計算する。 MCI患者は健常者よりも比較的高いHRを有することが観察されている。
  論文  参考訳（メタデータ） (2024-08-05T08:14:04Z)
• Analysis of the BraTS 2023 Intracranial Meningioma Segmentation Challenge [44.76736949127792]
  我々はBraTS 2023の頭蓋内髄膜腫チャレンジの設計と結果について述べる。 BraTS髄膜腫チャレンジ(BraTS Meningioma Challenge)は、髄膜腫に焦点を当てた以前のBraTSグリオーマチャレンジとは異なる。 上層部は腫瘍,腫瘍コア,腫瘍全体の拡張のために0.976,0.976,0.964の病変中央値類似係数(DSC)を有していた。
  論文  参考訳（メタデータ） (2024-05-16T03:23:57Z)
• EKGNet: A 10.96{\mu}W Fully Analog Neural Network for Intra-Patient Arrhythmia Classification [79.7946379395238]
  心電図不整脈分類におけるアナログ計算と深層学習を組み合わせた統合的アプローチを提案する。 本稿では,低消費電力で高精度にアーカイブするハードウェア効率と完全アナログ不整脈分類アーキテクチャであるEKGNetを提案する。
  論文  参考訳（メタデータ） (2023-10-24T02:37:49Z)
• Characterizing TMS-EEG perturbation indexes using signal energy: initial study on Alzheimer's Disease classification [48.42347515853289]
  経頭蓋磁気刺激(TMS)と脳波記録(TMS-EEG)を組み合わせることで、脳、特にアルツハイマー病(AD)の研究に大きな可能性を示す。 本研究では,脳機能の変化を反映した電位指標として,脳波信号のTMS誘発摂動の持続時間を自動的に決定する手法を提案する。
  論文  参考訳（メタデータ） (2022-04-29T19:27:06Z)
• Domain Adaptation of Automated Treatment Planning from Computed Tomography to Magnetic Resonance [0.5599792629509229]
  我々はCT学習機械学習モデルを用いた高許容磁気共鳴治療計画の作成を行った。 臨床的にCTによる計画から有意な線量偏差が認められた。
  論文  参考訳（メタデータ） (2022-03-07T18:18:00Z)
• Joint Liver and Hepatic Lesion Segmentation in MRI using a Hybrid CNN with Transformer Layers [2.055026516354464]
  SWTR-Unetと呼ばれるハイブリッドネットワークは、事前訓練されたResNet、トランスフォーマーブロック、共通のUnetスタイルのデコーダパスで構成されている。 Diceスコアが平均98-2%,MRIデータセットで81-28%,CTデータセットで97-2%,79-25%であったことから,提案したSWTR-Unetは肝病変と肝病変のセグメンテーションの正確なアプローチであることが判明した。
  論文  参考訳（メタデータ） (2022-01-26T14:52:23Z)
• Deep cross-modality (MR-CT) educed distillation learning for cone beam CT lung tumor segmentation [3.8791511769387634]
  新しい深層学習型cbct肺腫瘍分割法を開発した。 提案手法の主な考え方は、磁気共鳴イメージング(MRI)を用いてCBCTセグメンテーションネットワークトレーニングをガイドすることである。 我々は,unpaired cbct と mri データセットを用いて,unpaired domain adaptation (uda) とcross-domain segmentation distillation network (sdn) からなるエンドツーエンドネットワークを訓練することでこれを実現する。
  論文  参考訳（メタデータ） (2021-02-17T03:52:02Z)
• Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on 2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
  本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。 合計320回の試験(平均6回の試験)と28回の試験が行われた。 ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
  論文  参考訳（メタデータ） (2020-05-27T20:44:38Z)
• A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced Cardiac Magnetic Resonance Imaging [90.29017019187282]
  現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。 技術および生物学的指標を用いた提案アルゴリズムの解析を行った。 その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
  論文  参考訳（メタデータ） (2020-04-26T08:49:17Z)

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。