論文の概要: EEG-Bench: A Benchmark for EEG Foundation Models in Clinical Applications

• arxiv url: http://arxiv.org/abs/2512.08959v1
• Date: Fri, 28 Nov 2025 12:46:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-15 04:16:52.572352
• Title: EEG-Bench: A Benchmark for EEG Foundation Models in Clinical Applications
• Title（参考訳）: EEG-Bench:臨床応用におけるEEG基盤モデルのベンチマーク
• Authors: Ard Kastrati, Josua Bürki, Jonas Lauer, Cheng Xuan, Raffaele Iaquinto, Roger Wattenhofer,
• Abstract要約: 臨床応用における脳波ベースファンデーションモデルの評価に焦点を当てた統合ベンチマークフレームワークを提案する。 このベンチマークは、てんかん、統合失調症、パーキンソン病、OCD、軽度の外傷性脳損傷など、14の公開データセットで明確に定義された11の診断タスクにまたがっている。
• 参考スコア（独自算出の注目度）: 25.677165987759505
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce a unified benchmarking framework focused on evaluating EEG-based foundation models in clinical applications. The benchmark spans 11 well-defined diagnostic tasks across 14 publicly available EEG datasets, including epilepsy, schizophrenia, Parkinson's disease, OCD, and mild traumatic brain injury. It features minimal preprocessing, standardized evaluation protocols, and enables side-by-side comparisons of classical baselines and modern foundation models. Our results show that while foundation models achieve strong performance in certain settings, simpler models often remain competitive, particularly under clinical distribution shifts. To facilitate reproducibility and adoption, we release all prepared data and code in an accessible and extensible format.
• Abstract（参考訳）: 臨床応用における脳波ベースファンデーションモデルの評価に焦点を当てた統合ベンチマークフレームワークを提案する。 このベンチマークは、てんかん、統合失調症、パーキンソン病、OCD、軽度の外傷性脳損傷など、14の公用脳波データセットで明確に定義された11のタスクにまたがっている。 最小限の事前処理、標準化された評価プロトコルを備え、古典的なベースラインと近代的な基礎モデルのサイドバイサイド比較を可能にする。 以上の結果から, 基礎モデルは特定の設定において高い性能を示す一方で, 特に臨床分布シフト下では, より単純なモデルが競争力を維持することが示唆された。 再現性と採用を容易にするため,用意されたすべてのデータとコードを,アクセシブルで拡張可能な形式でリリースする。

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)
• EEG-FM-Bench: A Comprehensive Benchmark for the Systematic Evaluation of EEG Foundation Models [16.433809341013113]
  EEG-FM-BenchはEEG基盤モデル(EEG-FMs)の体系的および標準化された評価のための最初の総合的なベンチマークである コントリビューションは,(1)標準のEEGパラダイムからさまざまなダウンストリームタスクとデータセットをキュレートし,統一されたオープンソースフレームワーク内で標準化された処理と評価プロトコルを実装し,(2)最先端の基盤モデルをベンチマークして,現在の展望を明確化するために総合的なベースライン結果を確立すること,(3)モデル行動の洞察を提供するための質的分析を行い,将来のアーキテクチャ設計を通知すること,の3つです。
  論文  参考訳（メタデータ） (2025-08-25T07:34:33Z)
• Refine Medical Diagnosis Using Generation Augmented Retrieval and Clinical Practice Guidelines [16.56254046507092]
  GARMLE-Gは、医療用言語モデルの出力を権威的ガイドラインに根拠づけた、世代別検索フレームワークである。 従来のRetrieval-Augmented Generationベースのアプローチとは異なり、GARMLE-Gは権威的なガイドラインコンテンツを直接検索することで幻覚のない出力を可能にする。 高血圧診断のためのプロトタイプシステムを開発し, 検索精度, 意味的関連性, 臨床ガイドラインの適合性を実証した。
  論文  参考訳（メタデータ） (2025-06-22T11:31:13Z)
• FoMoH: A clinically meaningful foundation model evaluation for structured electronic health records [15.619686828044543]
  ファンデーションモデルは、下流のタスクとは無関係に意味のある表現を抽出する能力を考えると、医療において大きな可能性を秘めている。 包括的かつ有意義なタスクのデシダラタが欠如していることから、これらのモデルが臨床的有用性にもたらす可能性については、ほとんど意見の一致がない。 コロンビア大学アーヴィング医療センターの500万人の患者を対象に, EHRデータに基づく最先端基礎モデルの評価を行った。
  論文  参考訳（メタデータ） (2025-05-22T17:29:52Z)
• Large Language Models are Powerful Electronic Health Record Encoders [2.310631440585048]
  汎用大規模言語モデルは、下流臨床予測タスクの表現にERHをエンコードするために使用される。 本手法は, 機関固有の訓練を必要とせず, 医用コードにテキスト記述を組み込むことが可能である。 LLMに基づくモデルでは, 発症, 入院, 死亡率の予測に優れた性能を示し, 集団に対する堅牢性, コーディングシフトを示す。
  論文  参考訳（メタデータ） (2025-02-24T18:30:36Z)
• Towards a clinically accessible radiology foundation model: open-access and lightweight, with automated evaluation [113.5002649181103]
  オープンソースの小型マルチモーダルモデル(SMM)を訓練し、放射線学における未測定臨床ニーズに対する能力ギャップを埋める。 トレーニングのために,697万以上の画像テキストペアからなる大規模なデータセットを組み立てる。 評価のために,GPT-4に基づく実測値CheXpromptを提案する。 LlaVA-Radの推論は高速で、単一のV100 GPU上でプライベート設定で実行できる。
  論文  参考訳（メタデータ） (2024-03-12T18:12:02Z)
• TREEMENT: Interpretable Patient-Trial Matching via Personalized Dynamic Tree-Based Memory Network [54.332862955411656]
  臨床試験は薬物開発に不可欠であるが、しばしば高価で非効率な患者募集に苦しむ。 近年,患者と臨床試験を自動マッチングすることで患者採用を高速化する機械学習モデルが提案されている。 本稿では,TREement という名前の動的ツリーベースメモリネットワークモデルを導入する。
  論文  参考訳（メタデータ） (2023-07-19T12:35:09Z)
• ECG-DelNet: Delineation of Ambulatory Electrocardiograms with Mixed Quality Labeling Using Neural Networks [69.25956542388653]
  ディープラーニング(DL)アルゴリズムは、学術的、産業的にも重くなっている。 セグメンテーションフレームワークにECGの検出とデライン化を組み込むことにより、低解釈タスクにDLをうまく適用できることを実証する。 このモデルは、PhyloNetのQTデータベースを使用して、105個の増幅ECG記録から訓練された。
  論文  参考訳（メタデータ） (2020-05-11T16:29:12Z)

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。