論文の概要: Affordable EEG, Actionable Insights: An Open Dataset and Evaluation Framework for Epilepsy Patient Stratification

• arxiv url: http://arxiv.org/abs/2511.01879v1
• Date: Wed, 22 Oct 2025 15:25:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-09 16:58:40.053053
• Title: Affordable EEG, Actionable Insights: An Open Dataset and Evaluation Framework for Epilepsy Patient Stratification
• Title（参考訳）: Affordable EEG, Actionable Insights: てんかん患者の階層化のためのオープンデータセットと評価フレームワーク
• Authors: HM Shadman Tabib, Md. Hasnaen Adil, Ayesha Rahman, Ahmmad Nur Swapnil, Maoyejatun Hasana, Ahmed Hossain Chowdhury, A. B. M. Alim Al Islam,
• Abstract要約: てんかんのための単一チャネル・コンシューマグレード脳波の最初のオープンデータセットであるNEUROSKY-EPIを提示する。 その実用性を探るため、患者層化パイプラインであるEmbedClusterを紹介します。 その結果、低コストで単一チャネルのデータは有意義な成層化をサポートできることが示唆された。
• 参考スコア（独自算出の注目度）: 2.879398564096746
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Access to clinical multi-channel EEG remains limited in many regions worldwide. We present NEUROSKY-EPI, the first open dataset of single-channel, consumer-grade EEG for epilepsy, collected in a South Asian clinical setting along with rich contextual metadata. To explore its utility, we introduce EmbedCluster, a patient-stratification pipeline that transfers representations from EEGNet models trained on clinical data and enriches them with contextual autoencoder embeddings, followed by unsupervised clustering of patients based on EEG patterns. Results show that low-cost, single-channel data can support meaningful stratification. Beyond algorithmic performance, we emphasize human-centered concerns such as deployability in resource-constrained environments, interpretability for non-specialists, and safeguards for privacy, inclusivity, and bias. By releasing the dataset and code, we aim to catalyze interdisciplinary research across health technology, human-computer interaction, and machine learning, advancing the goal of affordable and actionable EEG-based epilepsy care.
• Abstract（参考訳）: 臨床多チャンネル脳波へのアクセスは、世界中の多くの地域で制限されている。 本報告では, 単一チャネルでコンシューマグレードの脳波のてんかんに対する最初のオープンデータセットであるNEUROSKY-EPIを, 豊かな文脈メタデータとともに, 東南アジアの臨床環境で収集した。 臨床データに基づいてトレーニングされたEEGNetモデルから表現を転送し、コンテキスト自動エンコーダの埋め込みでそれらを強化し、その後、脳波パターンに基づいた患者を教師なしクラスタリングする、患者層化パイプラインであるEmbedClusterを紹介した。 その結果、低コストで単一チャネルのデータは有意義な成層化をサポートできることが示唆された。 アルゴリズムのパフォーマンス以外にも、リソース制約のある環境でのデプロイ可能性、非スペシャリストの解釈可能性、プライバシ、インクリシティ、バイアスの保護など、人間中心の懸念を強調します。 データセットとコードを公開することによって、医療技術、人間とコンピュータのインタラクション、機械学習などにわたる学際的な研究を触媒し、安価で行動可能なEEGベースのてんかん治療の目標を推し進めることを目指している。

関連論文リスト

• Integrating Genomics into Multimodal EHR Foundation Models [56.31910745104141]
  本稿では,ポリジェニックリスクスコア(PRS)を基本データモダリティとして統合した,革新的なEHR基盤モデルを提案する。 このフレームワークは、臨床データと遺伝子前置詞の複雑な関係を学習することを目的としている。 このアプローチは、病気の予測、積極的な健康管理、リスク階層化、パーソナライズされた治療戦略に対する新たな洞察を解放するために重要である。
  論文  参考訳（メタデータ） (2025-10-24T15:56:40Z)
• Mitigating Clinician Information Overload: Generative AI for Integrated EHR and RPM Data Analysis [0.523377539745706]
  生成人工知能(GenAI)の能力・要件・応用の概要を概観する。 患者データ,すなわちリアルタイム遠隔患者モニタリング(RPM)ストリームと従来の電子健康記録(EHR)の形式と情報源について,まず背景を述べる。 これらのアプリケーションは、縦断的患者のデータのナビゲーションを強化し、自然言語対話による実用的な臨床診断支援を提供する。
  論文  参考訳（メタデータ） (2025-08-26T17:10:21Z)
• A Comprehensive Review of Datasets for Clinical Mental Health AI Systems [55.67299586253951]
  本稿では,AIを活用した臨床アシスタントの訓練・開発に関連する臨床精神保健データセットの総合的調査を行う。 本調査では, 縦断データの欠如, 文化・言語表現の制限, 一貫性のない収集・注釈基準, 合成データのモダリティの欠如など, 重要なギャップを明らかにした。
  論文  参考訳（メタデータ） (2025-08-13T13:42:35Z)
• Adaptable Cardiovascular Disease Risk Prediction from Heterogeneous Data using Large Language Models [70.64969663547703]
  AdaCVDは、英国バイオバンクから50万人以上の参加者を対象に、大規模な言語モデルに基づいて構築された適応可能なCVDリスク予測フレームワークである。 包括的かつ可変的な患者情報を柔軟に取り込み、構造化データと非構造化テキストの両方をシームレスに統合し、最小限の追加データを使用して新規患者の集団に迅速に適応する。
  論文  参考訳（メタデータ） (2025-05-30T14:42:02Z)
• Explainable AI for Classifying UTI Risk Groups Using a Real-World Linked EHR and Pathology Lab Dataset [0.47517735516852333]
  尿路感染症(UTIs)の特徴付けにリンクEHRデータセットを活用する 臨床専門知識からUTIリスク推定フレームワークを導入し,個別の患者タイムラインにまたがってUTIリスクを推定する。 リスクグループ間で臨床および人口統計学的予測値の違いが判明した。
  論文  参考訳（メタデータ） (2024-11-26T18:10:51Z)
• Uncovering the structure of clinical EEG signals with self-supervised learning [64.4754948595556]
  教師付き学習パラダイムは、しばしば利用可能なラベル付きデータの量によって制限される。 この現象は脳波(EEG)などの臨床関連データに特に問題となる。 ラベルのないデータから情報を抽出することで、ディープニューラルネットワークとの競合性能に到達することができるかもしれない。
  論文  参考訳（メタデータ） (2020-07-31T14:34:47Z)

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。