論文の概要: NystagmusNet: Explainable Deep Learning for Photosensitivity Risk Prediction

• arxiv url: http://arxiv.org/abs/2512.17943v1
• Date: Sat, 13 Dec 2025 07:40:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-23 18:54:32.109692
• Title: NystagmusNet: Explainable Deep Learning for Photosensitivity Risk Prediction
• Title（参考訳）: NystagmusNet:光感受性リスク予測のための説明可能なディープラーニング
• Authors: Karthik Prabhakar,
• Abstract要約: NystagmusNetは、リスクの高い視覚環境を予測するAI駆動システムである。 このシステムは適応フィルタ提案のためのルールベースのレコメンデーションエンジンを含んでいる。 今後の方向性としては、スマートグラスによるデプロイメントや、パーソナライズされたレコメンデーションのための強化学習などがある。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Nystagmus patients with photosensitivity face significant daily challenges due to involuntary eye movements exacerbated by environmental brightness conditions. Current assistive solutions are limited to symptomatic treatments without predictive personalization. This paper proposes NystagmusNet, an AI-driven system that predicts high-risk visual environments and recommends real-time visual adaptations. Using a dual-branch convolutional neural network trained on synthetic and augmented datasets, the system estimates a photosensitivity risk score based on environmental brightness and eye movement variance. The model achieves 75% validation accuracy on synthetic data. Explainability techniques including SHAP and GradCAM are integrated to highlight environmental risk zones, improving clinical trust and model interpretability. The system includes a rule-based recommendation engine for adaptive filter suggestions. Future directions include deployment via smart glasses and reinforcement learning for personalized recommendations.
• Abstract（参考訳）: 光感受性を有するニスタガムス患者は、環境の明るさ条件によって悪化する不随意眼球運動により、日々の課題に直面している。 現在の補助ソリューションは、予測的パーソナライゼーションを伴わない症状治療に限られている。 本稿では、リスクの高い視覚環境を予測し、リアルタイムな視覚適応を推奨するAI駆動システムであるNystagmusNetを提案する。 合成および拡張データセットに基づいてトレーニングされたデュアルブランチ畳み込みニューラルネットワークを用いて、システムは、環境の明るさと眼球運動のばらつきに基づいて、感光リスクスコアを推定する。 このモデルは、合成データに対する75%の検証精度を達成する。 SHAPやGradCAMなどの説明可能性技術が統合され、環境リスクゾーンの強調、臨床信頼の向上、モデル解釈可能性の向上が図られている。 このシステムは適応フィルタ提案のためのルールベースのレコメンデーションエンジンを含んでいる。 今後の方向性としては、スマートグラスによるデプロイメントや、パーソナライズされたレコメンデーションのための強化学習などがある。

関連論文リスト

• Emulating Human-like Adaptive Vision for Efficient and Flexible Machine Visual Perception [93.20637973889434]
  本稿では、"パッシブ"から"アクティブ"ビジョンモデルへのパラダイムシフトを促進するための一般的なフレームワークであるAdaptiveNNを紹介する。 AdaptiveNNは、視覚知覚を粗い連続的な意思決定プロセスとして定式化する。 アダプティブNNは、大規模な視覚認識、きめ細かい識別、視覚検索、実際の運転と医療シナリオからの画像処理を含む、9つのタスクにまたがる17のベンチマークで評価する。
  論文  参考訳（メタデータ） (2025-09-18T18:25:43Z)
• LuxDiT: Lighting Estimation with Video Diffusion Transformer [66.60450792095901]
  単一の画像やビデオからシーンライティングを推定することは、コンピュータビジョンとグラフィックスにおいて長年の課題である。 本稿では,映像拡散変換器を微調整し,視覚入力を前提としたHDR環境マップを生成するLuxDiTを提案する。
  論文  参考訳（メタデータ） (2025-09-03T19:59:20Z)
• Occlusion-Aware Self-Supervised Monocular Depth Estimation for Weak-Texture Endoscopic Images [1.1084686909647639]
  内視鏡的シーンに適した自己教師付き単眼深度推定ネットワークを提案する。 既存の方法は正確ではあるが、通常は一貫した照明を仮定する。 これらの変化は、誤った幾何学的解釈と信頼できない自己監督信号をもたらす。
  論文  参考訳（メタデータ） (2025-04-24T14:12:57Z)
• Can Deep Learning Trigger Alerts from Mobile-Captured Images? [0.0594961162060159]
  本研究は,データ拡張手法の検証,大気質予測のためのCNNに基づく回帰モデリング,モバイル技術によるユーザ中心の大気質モニタリングに寄与する。 提案システムは,個人が情報的環境衛生と幸福な意思決定を行うための実践的なソリューションを提供する。
  論文  参考訳（メタデータ） (2025-01-07T03:39:43Z)
• Optical aberrations in autonomous driving: Physics-informed parameterized temperature scaling for neural network uncertainty calibration [49.03824084306578]
  本稿では,ニューラルネットワークのキャリブレーションアーキテクチャに物理的帰納バイアスを組み込むことにより,AIターゲットアプリケーションの堅牢性と信頼性を高めることを提案する。 信頼に値する不確実性表現と認識連鎖の総合的検証戦略の道を開く。
  論文  参考訳（メタデータ） (2024-12-18T10:36:46Z)
• Visual Fixation-Based Retinal Prosthetic Simulation [1.0075717342698087]
  固定ベースのフレームワークは、実際の被験者の生理的データに基づく計算パラメータを用いて、87.72%の分類精度を達成する。 我々のアプローチは、網膜補綴学で利用可能な限られた解像度で、より意味論的に理解可能なパーセプションを作り出す可能性を示唆している。
  論文  参考訳（メタデータ） (2024-10-15T15:24:08Z)
• Joint Sensing, Communication, and AI: A Trifecta for Resilient THz User Experiences [118.91584633024907]
  テラヘルツ(THz)無線システムに対する拡張現実(XR)体験を最適化するために、新しい共同センシング、通信、人工知能(AI)フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-04-29T00:39:50Z)
• Adapting Brain-Like Neural Networks for Modeling Cortical Visual Prostheses [68.96380145211093]
  皮質補綴は視覚野に移植された装置で、電気的にニューロンを刺激することで失った視力を回復しようとする。 現在、これらのデバイスが提供する視覚は限られており、刺激による視覚知覚を正確に予測することはオープンな課題である。 我々は、視覚システムの有望なモデルとして登場した「脳様」畳み込みニューラルネットワーク(CNN)を活用することで、この問題に対処することを提案する。
  論文  参考訳（メタデータ） (2022-09-27T17:33:19Z)
• SIP-SegNet: A Deep Convolutional Encoder-Decoder Network for Joint Semantic Segmentation and Extraction of Sclera, Iris and Pupil based on Periocular Region Suppression [8.64118000141143]
  マルチモーダル生体認証システムは 生体認証システムの限界に 対処する能力がある このようなシステムには高い特性、永続性、性能があるが、他の生体特性に基づく技術は容易に妥協できる。 SIP-SegNetと呼ばれる新しい深層学習フレームワークが提案され、眼形質のセマンティックセマンティックセグメンテーションを行う。
  論文  参考訳（メタデータ） (2020-02-15T15:20:44Z)

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。