論文の概要: Trial-Level Time-frequency EEG Desynchronization as a Neural Marker of Pain

• arxiv url: http://arxiv.org/abs/2509.10552v1
• Date: Tue, 09 Sep 2025 09:19:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-16 17:26:22.660887
• Title: Trial-Level Time-frequency EEG Desynchronization as a Neural Marker of Pain
• Title（参考訳）: 痛みのニューラルマーカーとしての時間周波数脳波デ同期の試み
• Authors: D. A. Blanco-Mora, A. Dierolf, J. Gonçalves, M. van Der Meulen,
• Abstract要約: 痛みは依然として最も強い健康上の課題の1つだが、その測定は依然として自己申告に大きく依存している。 EEGは、侵害受容処理の再現可能なマーカーを特定するための有望な道を提供する。 電気刺激を受けた健常者59名を対象に,高密度脳波解析を行った。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Pain remains one of the most pressing health challenges, yet its measurement still relies heavily on self-report, limiting monitoring in non-communicative patients and hindering translational research. Neural oscillations recorded with electroencephalography (EEG) provide a promising avenue for identifying reproducible markers of nociceptive processing. Prior studies have reported pain-related event-related desynchronization (ERD) in the alpha and beta bands, but most rely on trial-averaging, obscuring variability that may be critical for perception. We analyzed high-density EEG from 59 healthy participants who underwent electrical stimulation under Pain and No-Pain conditions. Per-trial time-frequency decomposition revealed robust beta-band ERD in frontal-central electrodes that differentiated Pain from No-Pain trials. Generalized linear mixed models demonstrated that ERD scaled with subjective intensity ratings (VAS), and that age and gender moderated this relationship. Reverse models further showed that ERD predicted VAS ratings across participants, underscoring its potential as a nonverbal marker of pain. These findings provide preliminary evidence that trial-level EEG oscillations can serve as reliable indicators of pain and open avenues for individualized, report-free pain monitoring. Future work should validate these results in patient populations and extend analyses to multimodal approaches combining EEG, MRI, and attention-based modulation strategies.
• Abstract（参考訳）: 痛みは依然として最も強い健康上の課題の1つだが、その測定は依然として自己申告に大きく依存しており、非コミュニケーション患者のモニタリングを制限し、翻訳研究を妨げている。 脳波(EEG)で記録された神経振動は、侵害受容処理の再現可能なマーカーを識別するための有望な道を提供する。 以前の研究では、アルファバンドとベータバンドで、痛みに関連する事象関連脱同期(ERD)が報告されているが、ほとんどの研究は、知覚にとって重要な、試行錯誤、難解な変動に頼っている。 電気刺激を受けた健常者59名を対象に,高密度脳波解析を行った。 経心的経時的分解では,No-Pain試験と相違する前頭中心電極に頑健なβバンドERDを認めた。 一般線形混合モデルでは、ERDは主観的強度評価(VAS)とともにスケールし、年齢と性別はこの関係を緩やかにした。 逆モデルにより、ERDは参加者間でのVAS評価を予測し、痛みの非言語マーカーとしての可能性を強調した。 これらの結果から, 実験レベルの脳波の発振が痛みの信頼できる指標となり, 個人化された無報告の痛みモニタリングに有効であることを示す予備的証拠が得られた。 今後は,脳波,MRI,アテンションに基づく調節戦略を併用したマルチモーダルアプローチに分析を拡張して,患者集団におけるこれらの結果を検証することが必要である。

関連論文リスト

• 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)
• Early Detection of Patient Deterioration from Real-Time Wearable Monitoring System [0.1253467217038036]
  TARLは、心拍数時系列において、シェープレットとして知られる代表サブシーケンスの構造関係をモデル化する革新的なアプローチである。 TARLは、心拍数時系列におけるシェープレットダイナミクスをモデル化するためのシェープレット遷移知識グラフを作成する。 これらの表現は説明的構造を捉え、将来の心拍数トレンドを予測し、早期疾患の検出を支援する。
  論文  参考訳（メタデータ） (2025-05-02T14:32:44Z)
• CTPD: Cross-Modal Temporal Pattern Discovery for Enhanced Multimodal Electronic Health Records Analysis [46.56667527672019]
  マルチモーダルEHRデータから有意な時間的パターンを効率的に抽出するために,CTPD(Cross-Modal Temporal Pattern Discovery)フレームワークを導入する。 提案手法では,時間的セマンティックな埋め込みを生成するためにスロットアテンションを用いて改良された時間的パターン表現を提案する。
  論文  参考訳（メタデータ） (2024-11-01T15:54:07Z)
• STIED: A deep learning model for the SpatioTemporal detection of focal Interictal Epileptiform Discharges with MEG [0.08030359871216612]
  脳磁図(MEG)を用いたてんかん間葉状放電(IED)の非侵襲的検出 深層学習(DL)は臨床MEGの実践に革命をもたらす可能性がある。 我々は,2つの畳み込みニューラルネットワークと時間的(1次元時間軸)および空間的(2次元トポグラフィー)特徴を組み合わせた,強力で教師付きなDLアルゴリズムであるSTIEDを開発した。
  論文  参考訳（メタデータ） (2024-10-30T18:41:22Z)
• Multimodal deep learning approach to predicting neurological recovery from coma after cardiac arrest [2.374912052693646]
  本研究の目的は,臨床データと多チャンネル脳波,心電図などの時系列データを用いて,心停止後のコマから神経学的回復を予測することである。 提案したモデルでは,自然循環復帰後,72ドル(約7,200円)の予測を行うために,隠れテストセットで0.53ドル(約5,800円)のスコアを得た。
  論文  参考訳（メタデータ） (2024-03-09T22:29:24Z)
• 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)
• SurvLatent ODE : A Neural ODE based time-to-event model with competing risks for longitudinal data improves cancer-associated Deep Vein Thrombosis (DVT) prediction [68.8204255655161]
  本稿では,不規則なサンプルデータの下で潜在表現をパラメータ化する生成時間対イベントモデルSurvLatent ODEを提案する。 そこで,本モデルでは,事象特異的ハザード関数の形状を指定せずに,複数の競合イベントの生存時間を柔軟に推定する。 SurvLatent ODEは、DVTリスクグループを成層化するために、現在の臨床標準であるKhorana Riskスコアより優れている。
  論文  参考訳（メタデータ） (2022-04-20T17:28:08Z)
• Intelligent Sight and Sound: A Chronic Cancer Pain Dataset [74.77784420691937]
  本稿では,Intelligent Sight and Sound (ISS) 臨床試験の一環として収集された,最初の慢性ガン痛データセットを紹介する。 これまで収集されたデータは29の患者、509のスマートフォンビデオ、189,999のフレーム、そして自己報告された感情と活動の痛みのスコアから成っている。 静的画像とマルチモーダルデータを用いて、自己報告された痛みレベルを予測する。
  論文  参考訳（メタデータ） (2022-04-07T22:14:37Z)
• Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
  パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。 本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-06T09:02:30Z)

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。