論文の概要: Mentality: A Mamba-based Approach towards Foundation Models for EEG

• arxiv url: http://arxiv.org/abs/2509.02746v1
• Date: Tue, 02 Sep 2025 18:47:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-04 21:40:46.308558
• Title: Mentality: A Mamba-based Approach towards Foundation Models for EEG
• Title（参考訳）: メンタリティ:脳波の基礎モデルに対するマンバのアプローチ
• Authors: Saarang Panchavati, Corey Arnold, William Speier,
• Abstract要約: 本研究は,神経疾患診断における脳波解析の強化を目的とした基礎モデル,特にマンバをベースとした選択的状態空間モデルの可能性について検討する。 発作や非地震波脳波記録を含む大規模なデータセット上で,マンバをベースとしたモデルをトレーニングすることにより,ホールドアウトテストセットで0.72のAUROCを達成し,モデルの有効性を実証する。
• 参考スコア（独自算出の注目度）: 3.263390674277623
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This work explores the potential of foundation models, specifically a Mamba-based selective state space model, for enhancing EEG analysis in neurological disorder diagnosis. EEG, crucial for diagnosing conditions like epilepsy, presents significant challenges due to its noisy, high-dimensional, and nonlinear nature. Traditional machine learning methods have made advances in automating EEG analysis but often fail to capture its complex spatio-temporal dynamics. Recent advances in deep learning, particularly in sequence modeling, offer new avenues for creating more generalized and expressive models capable of handling such complexities. By training a Mamba-based model on a large dataset containing seizure and non-seizure EEG recordings through a self-supervised reconstruction task followed by a seizure detection task, we demonstrate the model's effectiveness, achieving an AUROC of 0.72 on a held-out test set. This approach marks a significant step toward developing large-scale, clinically applicable foundation models for EEG data analysis.
• Abstract（参考訳）: 本研究は,神経疾患診断における脳波解析の強化を目的とした基礎モデル,特にマンバをベースとした選択的状態空間モデルの可能性を探るものである。 脳波はてんかんなどの病態の診断に不可欠であり、ノイズ、高次元、非線形の性質のために大きな課題を呈している。 従来の機械学習手法は脳波解析の自動化に進歩してきたが、時空間の複雑なダイナミクスを捉えるのに失敗することが多い。 近年のディープラーニング、特にシーケンスモデリングの進歩は、そのような複雑さを扱うことができるより一般化された表現力のあるモデルを作成するための新しい道を提供する。 自己教師型再構成タスクおよび発作検出タスクを通じて、発作と非地震波脳波記録を含む大規模なデータセット上で、マンバベースのモデルをトレーニングすることにより、ホールドアウトテストセットで0.72のAUROCを達成し、モデルの有効性を実証する。 このアプローチは、脳波データ分析のための大規模で臨床応用可能な基礎モデルを開発するための重要なステップである。

関連論文リスト

• Counterfactual Probabilistic Diffusion with Expert Models [47.31408854040995]
  本稿では,不完全な専門家モデルからのガイダンスを取り入れた時系列拡散に基づくフレームワークを提案する。 我々の方法であるODE-Diffは、機械的およびデータ駆動的なアプローチをブリッジし、より信頼性が高く解釈可能な因果推論を可能にする。
  論文  参考訳（メタデータ） (2025-08-18T20:44:32Z)
• Towards Generalizable Learning Models for EEG-Based Identification of Pain Perception [1.718323575065371]
  本研究では,幅広い機械学習モデルの参加者間一般化の性能を体系的に評価する。 従来のモデルは内部から参加者間のパフォーマンスに最大の低下を経験し、ディープラーニングモデルはより弾力性があることを証明した。 性能の変動性は高いが、グラフベースのモデルによる強い結果は、脳波信号の主観的不変構造を捉える可能性を強調している。
  論文  参考訳（メタデータ） (2025-08-12T09:57:32Z)
• NeuroDx-LM: A Clinical Large-Scale Model for EEG-based Neurological Disorder Detection [7.185477956123345]
  脳電図(EEG)で事前訓練された大規模モデルは、神経疾患検出などの臨床応用において有望である。 NeuroDx-LMは、脳波に基づく神経疾患を検出するために特別に設計された新しい大規模モデルである。
  論文  参考訳（メタデータ） (2025-08-11T16:02:25Z)
• A Vector-Quantized Foundation Model for Patient Behavior Monitoring [43.02353546717171]
  本稿では,スマートフォンやウェアラブルデバイスからの実世界のデータを処理するために設計されたベクトル量子化変分自動エンコーダを改良した基礎モデルを提案する。 本研究では, 個別の潜伏表現を利用して, 微調整を必要とせず, 2つの下流課題, 自殺リスク評価, 情緒的状態予測を効果的に実施した。
  論文  参考訳（メタデータ） (2025-03-19T14:01:16Z)
• Are foundation models useful feature extractors for electroencephalography analysis? [9.413178499853156]
  脳波を用いた医療時系列分析における基礎モデルの有効性について検討する。 分析の結果,基礎モデルは意味のある脳波の特徴を抽出し,ドメイン適応を伴わずとも特化モデルに優れ,タスク固有のバイオマーカーをローカライズすることがわかった。
  論文  参考訳（メタデータ） (2025-02-28T14:21:34Z)
• Large Cognition Model: Towards Pretrained EEG Foundation Model [0.0]
  多様な脳波データセットと下流タスクをまたいだ一般化を目的としたトランスフォーマーベース基盤モデルを提案する。 本研究は, 神経科学, パーソナライズドメディカル, およびBCI技術の進歩を促進するための, 事前学習型脳波基盤モデルの可能性を明らかにするものである。
  論文  参考訳（メタデータ） (2025-02-11T04:28:10Z)
• Recent Advances in Predictive Modeling with Electronic Health Records [71.19967863320647]
  EHRデータを予測モデリングに利用すると、その特徴からいくつかの課題が生じる。 深層学習は、医療を含む様々な応用においてその優位性を示している。
  論文  参考訳（メタデータ） (2024-02-02T00:31:01Z)
• Neuro-GPT: Towards A Foundation Model for EEG [0.04188114563181615]
  脳波エンコーダとGPTモデルからなる基礎モデルであるNeuro-GPTを提案する。 ファンデーションモデルは、マスクされたEEGセグメントの再構築方法を学ぶ自己教師付きタスクを使用して、大規模なデータセット上で事前訓練される。 基礎モデルを適用することで、スクラッチからトレーニングしたモデルと比較して、分類性能が大幅に向上することを示した。
  論文  参考訳（メタデータ） (2023-11-07T07:07:18Z)
• Conditional Generative Models for Simulation of EMG During Naturalistic Movements [45.698312905115955]
  本稿では、運動単位活性化電位波形を生成するために、逆向きに訓練された条件付き生成ニューラルネットワークを提案する。 本研究では,より少ない数の数値モデルの出力を高い精度で予測的に補間できることを実証する。
  論文  参考訳（メタデータ） (2022-11-03T14:49:02Z)
• A multi-stage machine learning model on diagnosis of esophageal manometry [50.591267188664666]
  このフレームワークには、飲み込みレベルにおけるディープラーニングモデルと、学習レベルにおける機能ベースの機械学習モデルが含まれている。 これは、生のマルチスワローデータからHRM研究のCC診断を自動的に予測する最初の人工知能モデルである。
  論文  参考訳（メタデータ） (2021-06-25T20:09:23Z)

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。