論文の概要: Modified TSception for Analyzing Driver Drowsiness and Mental Workload from EEG

• arxiv url: http://arxiv.org/abs/2512.21747v1
• Date: Thu, 25 Dec 2025 17:48:11 GMT
• ステータス: 情報取得中
• システム内更新日: 2025-12-29 12:04:39.678131
• Title: Modified TSception for Analyzing Driver Drowsiness and Mental Workload from EEG
• Title（参考訳）: 脳波からドライバの眠気とメンタルワークロードを解析するための修正TSception
• Authors: Gourav Siddhad, Anurag Singh, Rajkumar Saini, Partha Pratim Roy,
• Abstract要約: ドライバーの眠気は依然として交通事故の主な原因であり、リアルタイムで信頼性の高い検知システムの開発を必要としている。 本研究は,脳波を用いたドライバ疲労のロバスト評価を目的とした改良型TSceptionアーキテクチャを提案する。 アーキテクチャの一般化性は、STEWのメンタルワークロードデータセットで検証される。
• 参考スコア（独自算出の注目度）: 6.767263284839525
• License:
• Abstract: Driver drowsiness remains a primary cause of traffic accidents, necessitating the development of real-time, reliable detection systems to ensure road safety. This study presents a Modified TSception architecture designed for the robust assessment of driver fatigue using Electroencephalography (EEG). The model introduces a novel hierarchical architecture that surpasses the original TSception by implementing a five-layer temporal refinement strategy to capture multi-scale brain dynamics. A key innovation is the use of Adaptive Average Pooling, which provides the structural flexibility to handle varying EEG input dimensions, and a two - stage fusion mechanism that optimizes the integration of spatiotemporal features for improved stability. When evaluated on the SEED-VIG dataset and compared against established methods - including SVM, Transformer, EEGNet, ConvNeXt, LMDA-Net, and the original TSception - the Modified TSception achieves a comparable accuracy of 83.46% (vs. 83.15% for the original). Critically, the proposed model exhibits a substantially reduced confidence interval (0.24 vs. 0.36), signifying a marked improvement in performance stability. Furthermore, the architecture's generalizability is validated on the STEW mental workload dataset, where it achieves state-of-the-art results with 95.93% and 95.35% accuracy for 2-class and 3-class classification, respectively. These improvements in consistency and cross-task generalizability underscore the effectiveness of the proposed modifications for reliable EEG-based monitoring of drowsiness and mental workload.
• Abstract（参考訳）: ドライバーの眠気は交通事故の主要な原因であり、道路の安全を確保するためにリアルタイムで信頼性の高い検知システムを開発する必要がある。 本研究は,脳波(EEG)を用いたドライバ疲労の頑健な評価を目的とした改良型TSceptionアーキテクチャを提案する。 このモデルは、マルチスケール脳のダイナミクスを捉えるための5層時間的改善戦略を実装することで、元のTSceptionを超える新しい階層的アーキテクチャを導入している。 重要なイノベーションはAdaptive Average Poolingを使用することで、様々なEEG入力次元を扱うための構造的柔軟性を提供する。 SEED-VIGデータセットで評価し、SVM、Transformer、EEGNet、ConvNeXt、LMDA-Net、およびオリジナルのTSceptionを含む確立されたメソッドと比較すると、修正TSceptionは83.46%の精度(オリジナルは83.15%)を達成した。 決定的な結果として,提案モデルでは信頼性区間(0.24 vs. 0.36)が大幅に減少し,性能安定性が著しく向上したことを示す。 さらに、アーキテクチャの一般化性は、STEWのメンタルワークロードデータセットで検証され、2クラスと3クラスの分類では、それぞれ95.93%と95.35%の精度で最先端の結果が得られる。 これらの整合性とクロスタスクの一般化性の改善は、信頼性の高い脳波による眠気と精神労働負荷のモニタリングのための提案された修正の有効性を裏付けるものである。

関連論文リスト

• Calibration-Free EEG-based Driver Drowsiness Detection with Online Test-Time Adaptation [43.83587667787693]
  ドローシー・ドライビングは交通事故の増大の原因であり、脳波に基づくドローシー検知システム(EEG)の最近の探索を促している。 特に,脳波信号の物体間変動は,領域シフトの問題を引き起こす。 そこで本稿では,オンラインテスト時間適応手法を利用して対象対象の分布に動的に適応する新しいドライバの眠気検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-27T02:27:10Z)
• A Real-time Concrete Crack Detection and Segmentation Model Based on YOLOv11 [15.031712782615797]
  本稿では, YOLOv11nアーキテクチャに基づくマルチタスクコンクリートのひび割れ検出とセグメンテーションモデルであるYOLOv11-KW-TA-FPを提案する。 実験による検証では、拡張されたモデルがベースライン上での大幅なパフォーマンス向上を実現している。
  論文  参考訳（メタデータ） (2025-08-15T14:57:00Z)
• Multi-Channel Swin Transformer Framework for Bearing Remaining Useful Life Prediction [2.600463444320238]
  本稿では,ウェーブレットに基づくデノベーション手法であるウェーブレットパケット分解(WPD)と,これらの問題に対処するためにカスタマイズされたマルチチャネルスウィントランスモデル(MCSFormer)を組み合わせた新しいフレームワークを提案する。 特徴融合のための注意機構を組み込んだモデルでは、グローバルおよび局所的な劣化パターンを学習するように設計されている。 カスタマイズされた損失関数は、早期と後期の予測を区別するために、この作業の重要な区別として開発されている。
  論文  参考訳（メタデータ） (2025-05-20T20:44:38Z)
• ALOcc: Adaptive Lifting-Based 3D Semantic Occupancy and Cost Volume-Based Flow Predictions [91.55655961014027]
  シーン理解には3次元セマンティック占有とフロー予測が不可欠である。 本稿では,3つの改善点を目標とした視覚ベースのフレームワークを提案する。 我々の純粋な畳み込みアーキテクチャは、セマンティック占有率とジョイントセマンティックフロー予測の両方のために、複数のベンチマーク上で新しいSOTA性能を確立する。
  論文  参考訳（メタデータ） (2024-11-12T11:32:56Z)
• Benchmarking and Improving Bird's Eye View Perception Robustness in Autonomous Driving [55.93813178692077]
  本稿では,BEVアルゴリズムのレジリエンスを評価するためのベンチマークスイートであるRoboBEVを紹介する。 検出,マップセグメンテーション,深さ推定,占有予測といったタスクにまたがる33の最先端のBEVベースの知覚モデルを評価する。 また, 事前学習や深度自由なBEVトランスフォーメーションなどの戦略が, アウト・オブ・ディストリビューションデータに対するロバスト性を高める上で有効であることを示す。
  論文  参考訳（メタデータ） (2024-05-27T17:59:39Z)
• Fusing Pretrained ViTs with TCNet for Enhanced EEG Regression [0.07999703756441758]
  本稿では、脳波回帰の精度を高めるために、事前訓練された視覚変換器(ViT)と時間畳み込みネットワーク(TCNet)の統合について詳述する。 以上の結果から, 回転平均角誤差(RMSE)を55.4から51.8に低減した。 性能を犠牲にすることなく、このモデルの速度を桁違いに向上させる(最大4.32倍高速)。
  論文  参考訳（メタデータ） (2024-04-02T17:01:51Z)
• From Environmental Sound Representation to Robustness of 2D CNN Models Against Adversarial Attacks [82.21746840893658]
  本稿では, 各種環境音響表現(スペクトログラム)が, 被害者残差畳み込みニューラルネットワークの認識性能と対角攻撃性に与える影響について検討する。 DWTスペクトログラムでトレーニングしたResNet-18モデルでは高い認識精度が得られたが、このモデルに対する攻撃は敵にとって比較的コストがかかる。
  論文  参考訳（メタデータ） (2022-04-14T15:14:08Z)
• From Sound Representation to Model Robustness [82.21746840893658]
  本研究では, 環境音の標準的な表現(スペクトログラム)が, 被害者の残差畳み込みニューラルネットワークの認識性能と対角攻撃性に与える影響について検討する。 3つの環境音響データセットの様々な実験から、ResNet-18モデルは、他のディープラーニングアーキテクチャよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2020-07-27T17:30:49Z)

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。