論文の概要: Machine Learning and AI Applied to fNIRS Data Reveals Novel Brain Activity Biomarkers in Stable Subclinical Multiple Sclerosis
- arxiv url: http://arxiv.org/abs/2509.21770v1
- Date: Fri, 26 Sep 2025 02:16:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-29 20:57:54.124626
- Title: Machine Learning and AI Applied to fNIRS Data Reveals Novel Brain Activity Biomarkers in Stable Subclinical Multiple Sclerosis
- Title（参考訳）: fNIRSデータに応用した機械学習とAI : 安定性多発性硬化症における新しい脳活動バイオマーカー
- Authors: Sadman Saumik Islam, Bruna Dalcin Baldasso, Davide Cattaneo, Xianta Jiang, Michelle Ploughman,
- Abstract要約: 多発性硬化症(MS)の患者は,手指伸展障害と認知疲労を訴える。
機能近赤外分光法(FNIRS)は、脳の血行動態を測定する非侵襲的な神経イメージング技術である。
認知疲労の主観的報告を記述できる脳活動バイオマーカーの発見を目的とした。
- 参考スコア（独自算出の注目度）: 1.5321607497807948
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: People with Multiple Sclerosis (MS) complain of problems with hand dexterity and cognitive fatigue. However, in many cases, impairments are subtle and difficult to detect. Functional near-infrared spectroscopy (fNIRS) is a non-invasive neuroimaging technique that measures brain hemodynamic responses during cognitive or motor tasks. We aimed to detect brain activity biomarkers that could explain subjective reports of cognitive fatigue while completing dexterous tasks and provide targets for future brain stimulation treatments. We recruited 15 people with MS who did not have a hand (Nine Hole Peg Test [NHPT]), mobility, or cognitive impairment, and 12 age- and sex-matched controls. Participants completed two types of hand dexterity tasks with their dominant hand, single task and dual task (NHPT while holding a ball between the fifth finger and hypothenar eminence of the same hand). We analyzed fNIRS data (oxygenated and deoxygenated hemoglobin levels) using a machine learning framework to classify MS patients from controls based on their brain activation patterns in bilateral prefrontal and sensorimotor cortices. The K-Nearest Neighbor classifier achieved an accuracy of 75.0% for single manual dexterity tasks and 66.7% for the more complex dual manual dexterity tasks. Using XAI, we found that the most important brain regions contributing to the machine learning model were the supramarginal/angular gyri and the precentral gyrus (sensory integration and motor regions) of the ipsilateral hemisphere, with suppressed activity and slower neurovascular response in the MS group. During both tasks, deoxygenated hemoglobin levels were better predictors than the conventional measure of oxygenated hemoglobin. This nonconventional method of fNIRS data analysis revealed novel brain activity biomarkers that can help develop personalized brain stimulation targets.
- Abstract（参考訳）: 多発性硬化症(MS)の患者は,手指伸展障害と認知疲労を訴える。
しかし、多くの場合、障害は微妙で検出が難しい。
機能近赤外分光法(Functional near-infrared spectroscopy, FNIRS)は、認知や運動時の脳血行動態を測定する非侵襲的な神経イメージング技術である。
本研究の目的は,脳活動バイオマーカーを検知し,認知疲労の主観的報告を記述し,軽度タスクを完了し,将来の脳刺激治療の標的となることであった。
健常者15名(Nine Hole Peg Test, NHPT), 運動性障害, 認知障害, 年齢, 性別の調整を行った。
参加者は,手指,片手,両手(第5指と第2指の間にボールを持ちながら,NHPT)の2種類の手指伸展課題を完了した。
両側前頭前野および感覚運動皮質の脳活動パターンに基づく制御からMS患者を分類するための機械学習フレームワークを用いて、fNIRSデータ(酸素および脱酸素ヘモグロビンレベル)を解析した。
K-Nearest Neighbor分類器は1つの手動デキスタリティタスクで75.0%、より複雑な2つの手動デキスタリティタスクで66.7%の精度を達成した。
XAIを用いて、機械学習モデルに寄与する最も重要な脳の領域は、視床下部/角回と、視床外側半球の中枢性回旋部(感覚統合と運動野)であり、MS群では活動が抑制され、神経血管反応が遅いことが判明した。
両方の課題において、脱酸素ヘモグロビン濃度は従来の酸素化ヘモグロビン測定値よりも優れた予測因子であった。
この非伝統的なfNIRSデータ分析手法は、パーソナライズされた脳刺激ターゲットを開発するのに役立つ新しい脳活動バイオマーカーを明らかにした。
関連論文リスト
- Naturalistic Language-related Movie-Watching fMRI Task for Detecting Neurocognitive Decline and Disorder [60.84344168388442]
言語関連機能的磁気共鳴画像(fMRI)は,認知機能低下と早期NCDの検出に有望なアプローチである。
香港在住の高齢者97名を対象に,この課題の有効性について検討した。
本研究は、加齢に伴う認知低下とNCDの早期発見のための自然言語関連fMRIタスクの可能性を示した。
論文 参考訳（メタデータ） (2025-06-10T16:58:47Z) - BrainMAP: Learning Multiple Activation Pathways in Brain Networks [77.15180533984947]
本稿では,脳ネットワークにおける複数の活性化経路を学習するための新しいフレームワークであるBrainMAPを紹介する。
本フレームワークは,タスクに関わる重要な脳領域の説明的分析を可能にする。
論文 参考訳（メタデータ） (2024-12-23T09:13:35Z) - Brain-like Functional Organization within Large Language Models [58.93629121400745]
人間の脳は長い間人工知能(AI)の追求にインスピレーションを与えてきた
最近のニューロイメージング研究は、人工ニューラルネットワーク(ANN)の計算的表現と、人間の脳の刺激に対する神経反応との整合性の説得力のある証拠を提供する。
本研究では、人工ニューロンのサブグループと機能的脳ネットワーク(FBN)を直接結合することで、このギャップを埋める。
このフレームワークはANサブグループをFBNにリンクし、大きな言語モデル(LLM)内で脳に似た機能的組織を記述できる。
論文 参考訳（メタデータ） (2024-10-25T13:15:17Z) - Analyzing Brain Activity During Learning Tasks with EEG and Machine
Learning [0.1433758865948252]
本研究の目的は、様々なSTEM活動中の脳活動を分析し、異なるタスク間の分類の可能性を探ることである。
5つの認知タスクに従事した20名の被験者の脳波データを収集し,4秒のクリップに分割した。
この研究は、脳の活動を分析し、脳のメカニズムに光を当てることにおいて、機械学習を実装することのより深い理解に寄与する。
論文 参考訳（メタデータ） (2024-01-15T18:57:25Z) - A Network Theory Investigation into the Altered Resting State Functional
Connectivity in Attention-Deficit Hyperactivity Disorder [1.3416169841532526]
fMRIは、様々な神経心理学的機能を実行している間に、健康で病理的な脳の研究を可能にする。
最近のニューロイメージング研究は、グラフやネットワークの観点から脳活動のモデリングと分析が増加している。
本研究の目的は、注意欠陥高活動障害(ADHD)を有する成人における安静時脳機能異常について検討することである。
論文 参考訳（メタデータ） (2022-11-23T00:35:16Z) - fMRI from EEG is only Deep Learning away: the use of interpretable DL to
unravel EEG-fMRI relationships [68.8204255655161]
多チャンネル脳波データからいくつかの皮質下領域の活性を回復するための解釈可能な領域基底解を提案する。
我々は,皮質下核の血行動態信号の頭皮脳波予測の空間的・時間的パターンを復元する。
論文 参考訳（メタデータ） (2022-10-23T15:11:37Z) - Hierarchical Graph Convolutional Network Built by Multiscale Atlases for
Brain Disorder Diagnosis Using Functional Connectivity [48.75665245214903]
本稿では,脳疾患診断のためのマルチスケールFCN解析を行うための新しいフレームワークを提案する。
まず、マルチスケールFCNを計算するために、明確に定義されたマルチスケールアトラスのセットを用いる。
そこで我々は, 生物的に有意な脳階層的関係を多スケールアトラスの領域で利用し, 結節プールを行う。
論文 参考訳（メタデータ） (2022-09-22T04:17:57Z) - An Investigation on Non-Invasive Brain-Computer Interfaces: Emotiv Epoc+
Neuroheadset and Its Effectiveness [0.7734726150561089]
人間の脳から直接人間の音声を、Facebook Reality Labとカリフォルニア大学サンフランシスコ校が導入したデジタルスクリーンにデコードする。
そこで我々は,脳-機械インタフェース(BMI)アプローチを用いて,ヒト脳を制御するビジョンプロジェクトについて検討した。
我々は、非侵襲的、挿入可能、低コストのBCIアプローチが、身体麻痺の患者だけでなく、脳を理解するための代替手段の焦点となると想定している。
論文 参考訳（メタデータ） (2022-06-24T05:45:48Z) - Understanding Cognitive Fatigue from fMRI Scans with Self-supervised
Learning [0.0]
本稿では, 認知疲労の状態を, 不快感から極度の疲労状態まで, 6つのレベルに分けることを提案する。
我々は,空間的特徴抽出に畳み込みニューラルネットワーク(CNN)を用い,4次元fMRIスキャンの時間的モデリングに長寿命メモリ(LSTM)ネットワークを構築した。
本手法は,fMRIデータから認知疲労を解析するための最先端技術を確立し,従来の手法に勝ってこの問題を解決する。
論文 参考訳（メタデータ） (2021-06-28T22:38:51Z) - 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。