論文の概要: Uncovering Patterns of Brain Activity from EEG Data Consistently Associated with Cybersickness Using Neural Network Interpretability Maps
- arxiv url: http://arxiv.org/abs/2512.20620v1
- Date: Mon, 03 Nov 2025 04:27:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-25 16:54:51.449269
- Title: Uncovering Patterns of Brain Activity from EEG Data Consistently Associated with Cybersickness Using Neural Network Interpretability Maps
- Title（参考訳）: ニューラルネットワークの解釈可能性マップを用いた脳波データからの脳活動パターンの解明
- Authors: Jacqueline Yau, Katherine J. Mimnaugh, Evan G. Center, Timo Ojala, Steven M. LaValle, Wenzhen Yuan, Nancy Amato, Minje Kim, Kara Federmeier,
- Abstract要約: サイバーシックネス(Cybersickness)は、仮想現実(VR)技術のユーザにとって深刻な課題だ。
脳波から病気を検出する現在の方法は、VRの脳データに存在する病気の視覚刺激の同時処理を考慮しない。
聴覚刺激による事象関連電位(ERP)を用いて、より正確に脳波のサイバーシック性の特徴を標的にすることができる。
- 参考スコア（独自算出の注目度）: 19.114395066256765
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Cybersickness poses a serious challenge for users of virtual reality (VR) technology. Consequently, there has been significant effort to track its occurrence during VR use with brain activity through electroencephalography (EEG). However, a significant confound in current methods for detecting sickness from EEG is they do not account for the simultaneous processing of the sickening visual stimulus that is present in the brain data from VR. Using event-related potentials (ERPs) from an auditory stimulus shown to reflect cybersickness impacts, we can more precisely target EEG cybersickness features and use those to achieve better performance in online cybersickness classification. In this article, we introduce a method utilizing trained convolutional neural networks and transformer models and plot interpretability maps from integrated gradients and class activation to give a visual representation of what the model determined was most useful in sickness classification from an EEG dataset consisting of ERPs recorded during the elicitation of cybersickness. Across 12 runs of our method with three different neural networks, the models consistently pointed to a surprising finding: that amplitudes recorded at an electrode placed on the scalp near the left prefrontal cortex were important in the classification of cybersickness. These results help clarify a hidden pattern in other related research and point to exciting opportunities for future investigation: that this scalp location could be used as a tagged feature for better real-time cybersickness classification with EEG. We provide our code at: [anonymized].
- Abstract（参考訳）: サイバーシックネスは、仮想現実(VR)技術のユーザーにとって深刻な課題となる。
その結果,脳波検査(EEG)による脳活動とVR使用時の脳活動の追跡に多大な努力が払われた。
しかし、現在の脳波から病気を検出する方法では、VRの脳データに存在する病気の視覚刺激の同時処理を考慮していないことが大きな欠点である。
脳波によるサイバーシック性の影響を反映した聴覚刺激による事象関連電位(ERP)を用いて、より正確に脳波のサイバーシック性の特徴を標的とし、オンラインのサイバーシック性分類においてより良いパフォーマンスを達成するためにそれらを使用することが可能である。
本稿では、学習された畳み込みニューラルネットワークとトランスフォーマーモデルと統合勾配とクラスアクティベーションからのプロット解釈可能性マップを利用して、サイバーシックの誘発中に記録されたERPからなる脳波データセットから病気分類において最も有用であると判断されたモデルを視覚的に表現する手法を提案する。
左前頭前皮質近傍の頭皮に位置する電極に記録された振幅は,サイバーシックネスの分類において重要である。
これらの結果は、他の関連する研究の隠れパターンを明確にし、将来の調査のエキサイティングな機会を示唆するのに役立つ。
コードを以下に示す。
関連論文リスト
- Deep Learning Classification of EEG Responses to Multi-Dimensional Transcranial Electrical Stimulation [0.0]
医療実践の大きな欠点は、意識レベルの客観的尺度の欠如である。
経頭蓋電気刺激(TES)は、非侵襲的に脳を刺激するために用いられる。
私たちの長期的なビジョンは、ベッドサイドで使用できる脳の状態の客観的尺度を開発することです。
論文 参考訳（メタデータ） (2025-12-23T12:40:51Z) - Mazed and Confused: A Dataset of Cybersickness, Working Memory, Mental Load, Physical Load, and Attention During a Real Walking Task in VR [11.021668923244803]
認知活動、身体活動、およびサイバーシックネスの親しみやすい感情との関係はよく理解されていない。
頭部の向き,頭部の位置,視線追跡,画像,外部センサーからの生理的読影,自己報告されたサイバーシック度,身体負荷,心的負荷をVRで収集した。
論文 参考訳（メタデータ） (2024-09-10T22:41:14Z) - REST: Efficient and Accelerated EEG Seizure Analysis through Residual State Updates [54.96885726053036]
本稿では,リアルタイム脳波信号解析のための新しいグラフベース残状態更新機構(REST)を提案する。
グラフニューラルネットワークとリカレント構造の組み合わせを活用することで、RESTは、非ユークリッド幾何学とEEGデータ内の時間的依存関係の両方を効率的にキャプチャする。
本モデルは,発作検出と分類作業において高い精度を示す。
論文 参考訳（メタデータ） (2024-06-03T16:30:19Z) - Dynamic GNNs for Precise Seizure Detection and Classification from EEG Data [6.401370088497331]
本稿では,脳波の位置と対応する脳領域のセマンティクスの相互作用を捉える動的グラフニューラルネットワーク(GNN)フレームワークであるNeuroGNNを紹介する。
実世界のデータを用いた実験により、NeuroGNNは既存の最先端モデルよりも大幅に優れていることが示された。
論文 参考訳（メタデータ） (2024-05-08T21:36:49Z) - BrainNet: Epileptic Wave Detection from SEEG with Hierarchical Graph
Diffusion Learning [21.689503325383253]
実世界のSEEGデータセットにおけるてんかん性波を検出するための,最初のデータ駆動型研究を提案する。
臨床的には、てんかん波の活動は脳の異なる領域間で伝播していると考えられている。
各患者に対して正確なてんかん原性ネットワークをどうやって抽出するかという問題は、神経科学の分野では未解決の問題のままである。
論文 参考訳（メタデータ） (2023-06-15T08:29:10Z) - Brain informed transfer learning for categorizing construction hazards [0.0]
この研究は、市販の脳-コンピュータインターフェースを通じて記録された人間の脳信号から学習することで、機械学習アルゴリズムを改善するためのステップである。
より一般化された視覚認識システムは、この「ループ内の人間」のアプローチに基づいて効果的に開発することができる。
論文 参考訳（メタデータ） (2022-11-17T19:41:04Z) - 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) - Functional2Structural: Cross-Modality Brain Networks Representation
Learning [55.24969686433101]
脳ネットワーク上のグラフマイニングは、臨床表現型および神経変性疾患のための新しいバイオマーカーの発見を促進する可能性がある。
本稿では,Deep Signed Brain Networks (DSBN) と呼ばれる新しいグラフ学習フレームワークを提案する。
臨床表現型および神経変性疾患予測の枠組みを,2つの独立した公開データセットを用いて検証した。
論文 参考訳（メタデータ） (2022-05-06T03:45:36Z) - Emotional EEG Classification using Connectivity Features and
Convolutional Neural Networks [81.74442855155843]
CNNと脳のつながりを利用した新しい分類システムを導入し,その効果を感情映像分類により検証する。
対象映像の感情的特性に関連する脳接続の集中度は分類性能と相関する。
論文 参考訳（メタデータ） (2021-01-18T13:28:08Z) - A Novel Transferability Attention Neural Network Model for EEG Emotion
Recognition [51.203579838210885]
脳波感情認識のための伝達型注目ニューラルネットワーク(TANN)を提案する。
TANNは、伝達可能な脳波領域のデータとサンプルを適応的に強調することにより、感情的な識別情報を学習する。
これは、複数の脳領域レベル判別器と1つのサンプルレベル判別器の出力を測定することで実現できる。
論文 参考訳（メタデータ） (2020-09-21T02:42:30Z) - 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。