論文の概要: NeuroLex: A Lightweight Domain Language Model for EEG Report Understanding and Generation

• arxiv url: http://arxiv.org/abs/2511.12851v1
• Date: Mon, 17 Nov 2025 00:44:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-18 14:36:24.58209
• Title: NeuroLex: A Lightweight Domain Language Model for EEG Report Understanding and Generation
• Title（参考訳）: NeuroLex:脳波レポートの理解と生成のための軽量ドメイン言語モデル
• Authors: Kang Yin, Hye-Bin Shin,
• Abstract要約: NeuroLexは、EEGレポートテキストに基づいて純粋にトレーニングされた軽量なドメイン適応型言語モデルである。 NeuroLexは脳波レポートの言語的および診断的特徴に合わせている。 バイオメディカルテキストモデリングとブレイン・コンピュータ・インタフェースを橋渡しする。
• 参考スコア（独自算出の注目度）: 2.1979513477844423
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Clinical electroencephalogram (EEG) reports encode domain-specific linguistic conventions that general-purpose language models (LMs) fail to capture. We introduce NeuroLex, a lightweight domain-adaptive language model trained purely on EEG report text from the Harvard Electroencephalography Database. Unlike existing biomedical LMs, NeuroLex is tailored to the linguistic and diagnostic characteristics of EEG reporting, enabling it to serve as both an independent textual model and a decoder backbone for multimodal EEG-language systems. Using span-corruption pretraining and instruction-style fine-tuning on report polishing, paragraph summarization, and terminology question answering, NeuroLex learns the syntax and reasoning patterns characteristic of EEG interpretation. Comprehensive evaluations show that it achieves lower perplexity, higher extraction and summarization accuracy, better label efficiency, and improved robustness to negation and factual hallucination compared with general models of the same scale. With an EEG-aware linguistic backbone, NeuroLex bridges biomedical text modeling and brain-computer interface applications, offering a foundation for interpretable and language-driven neural decoding.
• Abstract（参考訳）: 臨床脳波検査(EEG)は、汎用言語モデル(LM)が捉えられないドメイン固有の言語規則を符号化している。 我々は、ハーバード脳波データベースの脳波レポートテキストを純粋にトレーニングした、軽量なドメイン適応言語モデルであるNeuroLexを紹介する。 既存のバイオメディカル LM とは異なり、NeuroLex は脳波レポートの言語的および診断的特徴に合わせて調整されており、独立したテキストモデルとマルチモーダル脳波言語システムのためのデコーダバックボーンとして機能する。 脳波の解釈に特徴的な構文と推論パターンを学習するために、スパン崩壊前訓練と、レポートの精査、段落の要約、用語質問応答の指導スタイルの微調整を用いて、NeuroLexは学習する。 包括的評価は,同スケールの一般的なモデルと比較して,低難易度,高抽出および要約精度,ラベル効率の向上,否定と事実幻覚に対する堅牢性の向上を実現していることを示している。 EEGを意識した言語バックボーンにより、NeuroLexはバイオメディカルテキストモデリングと脳-コンピュータインターフェースのアプリケーションを橋渡しし、解釈可能な言語駆動型ニューラルデコーディングの基礎を提供する。

関連論文リスト

• WaveMind: Towards a Conversational EEG Foundation Model Aligned to Textual and Visual Modalities [55.00677513249723]
  脳波信号は認知過程と固有の神経状態の両方を同時に符号化する。 我々は、EEG信号とその対応するモダリティを統一意味空間にマッピングし、一般化された解釈を実現する。 結果として得られたモデルは、柔軟でオープンな会話をサポートしながら、堅牢な分類精度を示す。
  論文  参考訳（メタデータ） (2025-09-26T06:21:51Z)
• Learning Interpretable Representations Leads to Semantically Faithful EEG-to-Text Generation [52.51005875755718]
  我々は脳波からテキストへの復号に焦点をあて、後部崩壊のレンズを通して幻覚の問題に対処する。 脳波とテキスト間の情報容量のミスマッチを認め、デコードタスクをコア意味のセマンティックな要約として再設計する。 パブリックなZuCoデータセットの実験では、GLIMが一貫して、流動的なEEG基底文を生成することが示されている。
  論文  参考訳（メタデータ） (2025-05-21T05:29:55Z)
• sEEG-based Encoding for Sentence Retrieval: A Contrastive Learning Approach to Brain-Language Alignment [8.466223794246261]
  本稿では,凍結したCLIPモデルの文埋め込み空間に単射ステレオ脳波信号(sEEG)を投影するコントラスト学習フレームワークであるSSENSEを提案する。 本手法は,自然主義映画視聴データセットから,時系列のsEEGと音声の書き起こしについて評価する。
  論文  参考訳（メタデータ） (2025-04-20T03:01:42Z)
• Generative causal testing to bridge data-driven models and scientific theories in language neuroscience [82.995061475971]
  脳における言語選択性の簡潔な説明を生成するためのフレームワークである生成因果テスト(GCT)を提案する。 GCTは機能的選択性に類似した脳領域の細粒度の違いを識別できることを示す。
  論文  参考訳（メタデータ） (2024-10-01T15:57:48Z)
• EEG-Language Pretraining for Highly Label-Efficient Clinical Phenotyping [0.0]
  マルチモーダル言語モデリングは、表現学習のブレークスルーを可能にしてきたが、臨床表現型検索のための機能的脳データの範囲では未解明のままである。 本稿では臨床報告と15,000の脳波を訓練した脳波モデル(ELM)を考案した。
  論文  参考訳（メタデータ） (2024-09-02T10:03:03Z)
• BrainLLM: Generative Language Decoding from Brain Recordings [77.66707255697706]
  本稿では,大言語モデルと意味脳デコーダの容量を利用した生成言語BCIを提案する。 提案モデルでは,視覚的・聴覚的言語刺激のセマンティック内容に整合したコヒーレントな言語系列を生成することができる。 本研究は,直接言語生成におけるBCIの活用の可能性と可能性を示すものである。
  論文  参考訳（メタデータ） (2023-11-16T13:37:21Z)
• BELT:Bootstrapping Electroencephalography-to-Language Decoding and Zero-Shot Sentiment Classification by Natural Language Supervision [31.382825932199935]
  提案手法は,脳波表現学習をブートストラップする汎用的で効率的なフレームワークである。 意味情報とゼロショットの一般化を理解するための大きなLM能力により、BELTはインターネットスケールのデータセットで訓練された大規模なLMを使用する。 脳から言語への翻訳やゼロショット感情分類を含む2つの特徴ある脳復号タスクについて、最先端の成果を得た。
  論文  参考訳（メタデータ） (2023-09-21T13:24:01Z)
• Open Vocabulary Electroencephalography-To-Text Decoding and Zero-shot Sentiment Classification [78.120927891455]
  最先端のブレイン・トゥ・テキストシステムは、ニューラルネットワークを使用して脳信号から直接言語を復号することに成功した。 本稿では,自然読解課題における語彙的脳波(EEG)-テキスト列列列復号化とゼロショット文感性分類に問題を拡張する。 脳波-テキストデコーディングで40.1%のBLEU-1スコア、ゼロショット脳波に基づく3次感情分類で55.6%のF1スコアを達成し、教師付きベースラインを著しく上回る結果となった。
  論文  参考訳（メタデータ） (2021-12-05T21:57:22Z)

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。