論文の概要: AI-Enhanced High-Density NIRS Patch for Real-Time Brain Layer Oxygenation Monitoring in Neurological Emergencies

• arxiv url: http://arxiv.org/abs/2511.05612v1
• Date: Thu, 06 Nov 2025 13:45:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-11 21:18:44.495101
• Title: AI-Enhanced High-Density NIRS Patch for Real-Time Brain Layer Oxygenation Monitoring in Neurological Emergencies
• Title（参考訳）: 神経新生におけるリアルタイム脳層酸素化モニタリングのためのAIによる高密度NIRSパッチ
• Authors: Minsu Ji, Jihoon Kang, Seongkwon Yu, Jaemyoung Kim, Bumjun Koh, Jimin Lee, Guil Jeong, Jongkwan choi, Chang-Ho Yun, Hyeonmin Bae,
• Abstract要約: 我々は、脳皮質からリアルタイムで層特異的な酸素化データを提供するために最適化されたAI駆動の高密度NIRSシステムを導入する。 提案システムは,高密度NIRS反射率データとMRIに基づく合成データセットに基づいてトレーニングされたニューラルネットワークを統合する。 シミュレーションでは、我々のAI支援NIRSは、実際の皮質酸素化と強い相関を示し、従来の方法よりも顕著に優れていた。
• 参考スコア（独自算出の注目度）: 1.554464105856087
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Photon scattering has traditionally limited the ability of near-infrared spectroscopy (NIRS) to extract accurate, layer-specific information from the brain. This limitation restricts its clinical utility for precise neurological monitoring. To address this, we introduce an AI-driven, high-density NIRS system optimized to provide real-time, layer-specific oxygenation data from the brain cortex, specifically targeting acute neuro-emergencies. Our system integrates high-density NIRS reflectance data with a neural network trained on MRI-based synthetic datasets. This approach achieves robust cortical oxygenation accuracy across diverse anatomical variations. In simulations, our AI-assisted NIRS demonstrated a strong correlation (R2=0.913) with actual cortical oxygenation, markedly outperforming conventional methods (R2=0.469). Furthermore, biomimetic phantom experiments confirmed its superior anatomical reliability (R2=0.986) compared to standard commercial devices (R2=0.823). In clinical validation with healthy subjects and ischemic stroke patients, the system distinguished between the two groups with an AUC of 0.943. This highlights its potential as an accessible, high-accuracy diagnostic tool for emergency and point-of-care settings. These results underscore the system's capability to advance neuro-monitoring precision through AI, enabling timely, data-driven decisions in critical care environments.
• Abstract（参考訳）: 光子散乱は伝統的に、脳から正確な層特異的情報を抽出する近赤外線分光(NIRS)の能力を制限してきた。 この制限は、正確な神経学的モニタリングのための臨床的有用性を制限する。 これを解決するために、我々は、脳皮質からリアルタイムで層特異的な酸素化データを提供するために最適化されたAI駆動の高密度NIRSシステムを導入しました。 提案システムは,高密度NIRS反射率データとMRIに基づく合成データセットに基づいてトレーニングされたニューラルネットワークを統合する。 このアプローチは、様々な解剖学的バリエーションで頑健な皮質酸素化の精度を実現する。 シミュレーションでは、我々のAI支援NIRSは、実際の皮質酸素化と強い相関(R2=0.913)を示し、従来の方法(R2=0.469)よりも顕著に優れていた。 さらに, 生体模倣幻覚実験により, 標準的な市販装置(R2=0.823)と比較して, 解剖学的信頼性(R2=0.986)が良好であることが確認された。 健常者,虚血性脳梗塞患者の臨床的評価では,AUCが0.943の2群に分けた。 これは、緊急およびポイント・オブ・ケア設定のための、アクセス可能で高精度な診断ツールとしての可能性を強調している。 これらの結果は、AIを通じて神経モニタリングの精度を向上し、クリティカルケア環境でタイムリーにデータ駆動による決定を可能にするシステムの能力を強調している。

関連論文リスト

• On the accuracy of implicit neural representations for cardiovascular anatomies and hemodynamic fields [0.0]
  Inlicit Neural representations (INR) は知識表現、合成、圧縮のための強力なフレームワークとして登場した。 本研究は,循環動態場を圧縮し,心血管解剖を表現するための最先端INRの性能を評価するものである。
  論文  参考訳（メタデータ） (2025-10-23T19:57:50Z)
• Organ-Agents: Virtual Human Physiology Simulator via LLMs [66.40796430669158]
  オルガン-エージェント(Organ-Agents)は、LDM駆動のエージェントを介して人間の生理学をシミュレートする多エージェントフレームワークである。 症例は7,134例,コントロール7,895例で,9系統および125変数にわたる高分解能トラジェクトリを作成した。 臓器抗原は4,509人の保留患者に対して高いシミュレーション精度を達成し, システムごとのMSE0.16とSOFA系重症度層間の堅牢性を示した。
  論文  参考訳（メタデータ） (2025-08-20T01:58:45Z)
• A Novel Attention-Augmented Wavelet YOLO System for Real-time Brain Vessel Segmentation on Transcranial Color-coded Doppler [49.03919553747297]
  我々は,脳動脈を効率よく捉えることができるAIを利用したリアルタイムCoW自動分割システムを提案する。 Transcranial Color-coded Doppler (TCCD) を用いたAIによる脳血管セグメンテーションの事前研究は行われていない。 提案したAAW-YOLOは, 異方性および対側性CoW容器のセグメンテーションにおいて高い性能を示した。
  論文  参考訳（メタデータ） (2025-08-19T14:41:22Z)
• Design and Validation of a Responsible Artificial Intelligence-based System for the Referral of Diabetic Retinopathy Patients [65.57160385098935]
  糖尿病網膜症の早期発見は、視力喪失のリスクを最大95%減少させる可能性がある。 我々は、AIライフサイクル全体にわたる倫理的原則を取り入れた、DRスクリーニングのための責任あるAIシステムであるRAIS-DRを開発した。 当科におけるRAIS-DRをFDA認可のEyeArtシステムと比較した。
  論文  参考訳（メタデータ） (2025-08-17T21:54:11Z)
• From Promise to Practical Reality: Transforming Diffusion MRI Analysis with Fast Deep Learning Enhancement [35.368152968098194]
  FastFOD-Netは、FODを優れたパフォーマンスで強化し、臨床使用のためのトレーニング/推論効率を提供するエンドツーエンドのディープラーニングフレームワークである。 この研究は、拡散MRIの強化のための深層学習に基づく手法を、より広く採用し、臨床信頼を構築することを促進する。
  論文  参考訳（メタデータ） (2025-08-13T17:56:29Z)
• A Non-contrast Head CT Foundation Model for Comprehensive Neuro-Trauma Triage [5.39145170841044]
  AIと医用画像の最近の進歩は、緊急頭部CTの解釈にトランスフォーメーションの可能性をもたらす。 本研究では, 多様な神経外傷所見を高精度かつ効率的に検出するための3次元基礎モデルを提案する。
  論文  参考訳（メタデータ） (2025-02-28T14:44:55Z)
• The Expressive Leaky Memory Neuron: an Efficient and Expressive Phenomenological Neuron Model Can Solve Long-Horizon Tasks [64.08042492426992]
  本稿では,脳皮質ニューロンの生物学的モデルであるExpressive Memory(ELM)ニューロンモデルを紹介する。 ELMニューロンは、上記の入力-出力関係を1万以下のトレーニング可能なパラメータと正確に一致させることができる。 本稿では,Long Range Arena(LRA)データセットなど,時間構造を必要とするタスクで評価する。
  論文  参考訳（メタデータ） (2023-06-14T13:34:13Z)
• 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)
• Mapping fNIRS to fMRI with Neural Data Augmentation and Machine Learning Models [0.0]
  機能的磁気共鳴イメージング(fMRI)は、最も一般的で広く使われている神経イメージング技術である。 fMRIによる個人差のマーカーへの関心が高まっている。 機械学習モデルとデータ拡張を用いて、人間の認識のfMRIマーカーを予測する。
  論文  参考訳（メタデータ） (2022-06-13T21:32:30Z)
• Deep Learning-Based Detection of the Acute Respiratory Distress Syndrome: What Are the Models Learning? [5.827840113217155]
  急性呼吸窮迫症候群 (ARDS) は低酸素性呼吸不全の重症型であり、院内死亡率は35-46%である。 高死亡率は、即時診断を行う際の課題と関連していると考えられており、その結果、エビデンスベースの治療の実施が遅れる可能性がある。 未バイアス人工呼吸器波形データ(VWD)を利用したディープニューラルネットワーク(DNN)アルゴリズムは、ARDSのスクリーニングを改善するのに役立つかもしれない。
  論文  参考訳（メタデータ） (2021-09-25T09:10:10Z)
• An electronic neuromorphic system for real-time detection of High Frequency Oscillations (HFOs) in intracranial EEG [0.0]
  本稿では,脳波記録ヘッドステージと信号-スパイク変換回路とマルチコアスパイクニューラルネットワークアーキテクチャを組み合わせたニューロモルフィックシステムを提案する。 本研究では,HFOを確実に検出する方法について述べる。このシステムは,最先端の精度,特異性,感度(それぞれ78%,100%,33%)で術後発作を予測できる。 これは、イベントベースのプロセッサを使用して、リアルタイム、オンチップで頭蓋内人間のデータに関連する特徴を特定するための最初の可能性研究である。
  論文  参考訳（メタデータ） (2020-09-23T16:40:44Z)

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。