論文の概要: A Graph Neural Network based on a Functional Topology Model: Unveiling the Dynamic Mechanisms of Non-Suicidal Self-Injury in Single-Channel EEG

• arxiv url: http://arxiv.org/abs/2508.11684v1
• Date: Sun, 10 Aug 2025 03:30:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-19 14:49:10.251929
• Title: A Graph Neural Network based on a Functional Topology Model: Unveiling the Dynamic Mechanisms of Non-Suicidal Self-Injury in Single-Channel EEG
• Title（参考訳）: 機能的トポロジーモデルに基づくグラフニューラルネットワーク:単一チャネル脳波における非自殺的自己損傷の動的メカニズムの解明
• Authors: BG Tong,
• Abstract要約: 本研究は,非自殺性自己損傷(NSSI)の神経力学的メカニズムを明らかにするために,新しいFunctional-Energetic Topology Modelを提案する。 脳波データの収集にはスマートフォンアプリと携帯型Fp1脳波ヘッドバンドを用いたNSSIを用いた。 7つの機能ノードを持つ理論駆動型GNNが構築され、イントラオブジェクト(80/20分割)とLeft-one-subject-out Cross-validation(LOSOCV)によって性能評価された。 モデルによる物体内精度の向上
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Objective: This study proposes and preliminarily validates a novel "Functional-Energetic Topology Model" to uncover neurodynamic mechanisms of Non-Suicidal Self-Injury (NSSI), using Graph Neural Networks (GNNs) to decode brain network patterns from single-channel EEG in real-world settings.Methods: EEG data were collected over ~1 month from three adolescents with NSSI using a smartphone app and a portable Fp1 EEG headband during impulsive and non-impulsive states. A theory-driven GNN with seven functional nodes was built. Performance was evaluated via intra-subject (80/20 split) and leave-one-subject-out cross-validation (LOSOCV). GNNExplainer was used for interpretability.Results: The model achieved high intra-subject accuracy (>85%) and significantly above-chance cross-subject performance (approximately73.7%). Explainability analysis revealed a key finding: during NSSI states, a critical feedback loop regulating somatic sensation exhibits dysfunction and directional reversal. Specifically, the brain loses its ability to self-correct via negative bodily feedback, and the regulatory mechanism enters an "ineffective idling" state.Conclusion: This work demonstrates the feasibility of applying theory-guided GNNs to sparse, single-channel EEG for decoding complex mental states. The identified "feedback loop reversal" offers a novel, dynamic, and computable model of NSSI mechanisms, paving the way for objective biomarkers and next-generation Digital Therapeutics (DTx).
• Abstract（参考訳）: 目的:本研究は,非自殺性自己損傷(NSSI)の神経力学機構を明らかにするための新しい「Functional-Energetic Topology Model(Functional-Energetic Topology Model)」の提案と,実世界における単一チャネル脳波から脳神経ネットワークパターンをデコードするためのグラフニューラルネットワーク(GNN)を用いた予備検証を行った。 7つの機能ノードを持つ理論駆動のGNNが構築された。 被検体内80/20スプリットとLOSOCV(Left-one-subject-out cross-validation)を用いて評価した。 GNNExplainer は解釈可能性に使用され、結果: モデルは高いオブジェクト内精度 (>85%) と非常に高い精度のクロスオブジェクト性能 (約73.7%) を達成した。 NSSI状態の間、体性感覚を調節する臨界フィードバックループは機能障害と方向逆転を呈する。 具体的には、脳は負の身体フィードバックによって自己修正する能力を失い、調節機構は「非効率なアイドリング」状態に入る。この研究は、複雑な精神状態の復号に理論誘導GNNを適用する可能性を示している。 同定された「フィードバックループ逆転」は、NSSI機構の新規で動的で計算可能なモデルを提供し、客観的なバイオマーカーや次世代のDigital Therapeutics (DTx) への道を開いた。

関連論文リスト

• Langevin Flows for Modeling Neural Latent Dynamics [81.81271685018284]
  逐次変分自動エンコーダであるLangevinFlowを導入し、潜伏変数の時間的進化をアンダーダム化したLangevin方程式で制御する。 われわれのアプローチは、慣性、減衰、学習されたポテンシャル関数、力などの物理的事前を組み込んで、ニューラルネットワークにおける自律的および非自律的プロセスの両方を表現する。 本手法は,ロレンツ誘引器によって生成される合成神経集団に対する最先端のベースラインより優れる。
  論文  参考訳（メタデータ） (2025-07-15T17:57:48Z)
• NSSI-Net: A Multi-Concept GAN for Non-Suicidal Self-Injury Detection Using High-Dimensional EEG in a Semi-Supervised Framework [3.959621187936119]
  青年期における自傷は、身体的および精神的な健康にとって深刻な脅威である。 本研究では,NSSIに関連する脳波の特徴を効果的にモデル化する,高度な半教師付き敵ネットワークNSSI-Netを提案する。 モデルの有効性と信頼性が実証され、既存の機械学習やディープラーニングに比べてパフォーマンスが5.44%向上した。
  論文  参考訳（メタデータ） (2024-10-16T01:39:04Z)
• Expressivity of Neural Networks with Random Weights and Learned Biases [44.02417750529102]
  固定ランダム重み付きフィードフォワードニューラルネットワークは,任意の連続関数をコンパクトな集合上で近似することができることを示す。 我々の発見は神経科学に関係しており、シナプスの重みを変えることなく、またAIにも、動的に行動に関係のある変化が起こる可能性を実証している。
  論文  参考訳（メタデータ） (2024-07-01T04:25:49Z)
• The Neuron as a Direct Data-Driven Controller [43.8450722109081]
  本研究は、ニューロンを最適フィードバックコントローラとして概念化し、予測を最適化する現在の規範モデルを拡張する。 我々は、ニューロンを生物学的に実現可能なコントローラとしてモデル化し、ループダイナミクスを暗黙的に識別し、潜伏状態を推測し、制御を最適化する。 我々のモデルは、従来の、フィードフォワード、即時応答のマカロック-ピッツ-ローゼンブラットニューロンから大きく離れており、ニューラルネットワークを構築するための、新しく生物学的にインフォームドされた基本ユニットを提供する。
  論文  参考訳（メタデータ） (2024-01-03T01:24:10Z)
• Asynchronous Bioplausible Neuron for SNN for Event Vision [1.7942265700058986]
  Spiking Neural Networks (SNN) は、生物学的にインスパイアされたコンピュータビジョンのアプローチを提供する。 ABN(Asynchronous Bioplausible Neuron)は、入力信号の変動を自動的に調整する動的スパイク発火機構である。 様々なデータセットの包括的評価は、画像分類とセグメンテーションにおけるABNの強化された性能を示す。
  論文  参考訳（メタデータ） (2023-11-20T15:45:16Z)
• EINNs: Epidemiologically-Informed Neural Networks [75.34199997857341]
  本稿では,疫病予測のための新しい物理インフォームドニューラルネットワークEINNを紹介する。 メカニスティックモデルによって提供される理論的柔軟性と、AIモデルによって提供されるデータ駆動表現性の両方を活用する方法について検討する。
  論文  参考訳（メタデータ） (2022-02-21T18:59:03Z)
• Flexible Transmitter Network [84.90891046882213]
  現在のニューラルネットワークはMPモデルに基づいて構築されており、通常はニューロンを他のニューロンから受信した信号の実際の重み付け集約上での活性化関数の実行として定式化する。 本稿では,フレキシブル・トランスミッタ(FT)モデルを提案する。 本稿では、最も一般的な完全接続型フィードフォワードアーキテクチャ上に構築された、フレキシブルトランスミッタネットワーク(FTNet)について述べる。
  論文  参考訳（メタデータ） (2020-04-08T06:55:12Z)

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。