論文の概要: Gamma2Patterns: Deep Cognitive Attention Region Identification and Gamma-Alpha Pattern Analysis
- arxiv url: http://arxiv.org/abs/2601.06257v1
- Date: Fri, 09 Jan 2026 19:07:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-13 19:08:00.716564
- Title: Gamma2Patterns: Deep Cognitive Attention Region Identification and Gamma-Alpha Pattern Analysis
- Title（参考訳）: Gamma2Patterns:Deep Cognitive Attention Region Identification and Gamma-Alpha Pattern Analysis
- Authors: Sobhana Jahan, Saydul Akbar Murad, Nick Rahimi, Noorbakhsh Amiri Golilarz,
- Abstract要約: 深い認知的注意は、ガンマ振動の高揚と協調した視覚行動によって特徴づけられる。
この研究は、Gamma2Patternsという、相補的なGammaとAlphaバンドのEEG活動を活用することによって、深い認知的注意を特徴付けるフレームワークを紹介している。
我々は,高焦点(ガンマ支配)と低焦点(アルファ支配)の神経活動の相違について分析した。
- 参考スコア（独自算出の注目度）: 2.858227487978669
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Deep cognitive attention is characterized by heightened gamma oscillations and coordinated visual behavior. Despite the physiological importance of these mechanisms, computational studies rarely synthesize these modalities or identify the neural regions most responsible for sustained focus. To address this gap, this work introduces Gamma2Patterns, a multimodal framework that characterizes deep cognitive attention by leveraging complementary Gamma and Alpha band EEG activity alongside Eye-tracking measurements. Using the SEED-IV dataset [1], we extract spectral power, burst-based temporal dynamics, and fixation-saccade-pupil signals across 62 channels or electrodes to analyze how neural activation differs between high-focus (Gamma-dominant) and low-focus (Alpha-dominant) states. Our findings reveal that frontopolar, temporal, anterior frontal, and parieto-occipital regions exhibit the strongest Gamma power and burst rates, indicating their dominant role in deep attentional engagement, while Eye-tracking signals confirm complementary contributions from frontal, frontopolar, and frontotemporal regions. Furthermore, we show that Gamma power and burst duration provide more discriminative markers of deep focus than Alpha power alone, demonstrating their value for attention decoding. Collectively, these results establish a multimodal, evidence-based map of cortical regions and oscillatory signatures underlying deep focus, providing a neurophysiological foundation for future brain-inspired attention mechanisms in AI systems.
- Abstract（参考訳）: 深い認知的注意は、ガンマ振動の高揚と協調した視覚行動によって特徴づけられる。
これらのメカニズムの生理的重要性にもかかわらず、計算学的研究はこれらのモダリティを滅多に合成したり、持続的な焦点に最も責任を負う神経領域を特定したりする。
このギャップに対処するために、この研究はGamma2Patternsを導入している。これは、視線追跡測定とともに相補的なGammaとAlphaバンド脳波活動を活用することで、深い認知的注意を特徴付けるマルチモーダルフレームワークである。
SEED-IVデータセット[1]を用いて、62個のチャネルまたは電極にまたがるスペクトルパワー、バーストベース時間ダイナミクス、固定サケードプル信号を抽出し、高焦点(ガンマ優位)と低焦点(アルファ優位)状態の神経活動の相違を解析した。
その結果, 前頭極, 側頭極, 前頭極, 前頭極, 前頭頂頭頂部はガンマ力とバースト速度が強く, 眼球追跡信号では前頭極, 前頭極および前頭極の相補的寄与が認められた。
さらに,ガンマパワーとバースト持続時間により,Alphaパワー単独よりも深い焦点の識別マーカーが得られ,注目復号化の価値が示された。
これらの結果は総合的に、皮質領域のマルチモーダルなエビデンスに基づくマップと、深部焦点に基づく振動シグネチャを確立し、AIシステムにおける将来の脳にインスパイアされた注意機構の神経生理学的基盤を提供する。
関連論文リスト
- Brain-Gen: Towards Interpreting Neural Signals for Stimulus Reconstruction Using Transformers and Latent Diffusion Models [1.479639149658596]
脳波記録から観察された視覚刺激に関連する空間的時間的表現を抽出する枠組みを提案する。
我々の研究は、脳波信号の一般化可能な意味解釈に向けた重要な一歩である。
論文 参考訳（メタデータ） (2025-12-21T18:20:21Z) - Revealing Perception and Generation Dynamics in LVLMs: Mitigating Hallucinations via Validated Dominance Correction [59.801614364841775]
LVLM(Large Vision-Language Models)は目覚ましい能力を示しているが、幻覚は依然として持続的な課題である。
本研究は,LVLMにおける視覚知覚とトークン生成の内部進化の系統的解析である。
我々は,VDC(d Dominance Correction)戦略を考案し,不要なトークンを検出し,検証済みトークンに置き換えて出力信頼性を向上させる。
論文 参考訳（メタデータ） (2025-12-21T17:05:42Z) - Uncovering Alzheimer's Disease Progression via SDE-based Spatio-Temporal Graph Deep Learning on Longitudinal Brain Networks [18.54013631358448]
我々は、将来のアルツハイマー病(AD)の進行を予測するニューラルネットワークフレームワークを開発する。
筆者らの枠組みは, 地域的, 結合的重要性の低い確率を効果的に学習する。
以上の結果から,AD進行の早期・個別化予測における時間グラフ学習の可能性が示唆された。
論文 参考訳（メタデータ） (2025-09-26T01:02:34Z) - Naturalistic Language-related Movie-Watching fMRI Task for Detecting Neurocognitive Decline and Disorder [60.84344168388442]
言語関連機能的磁気共鳴画像(fMRI)は,認知機能低下と早期NCDの検出に有望なアプローチである。
香港在住の高齢者97名を対象に,この課題の有効性について検討した。
本研究は、加齢に伴う認知低下とNCDの早期発見のための自然言語関連fMRIタスクの可能性を示した。
論文 参考訳（メタデータ） (2025-06-10T16:58:47Z) - Spatiotemporal Learning of Brain Dynamics from fMRI Using Frequency-Specific Multi-Band Attention for Cognitive and Psychiatric Applications [5.199807441687141]
MBBN(Multi-Band Net Brain)は、周波数特異的脳波を明示的にモデル化するトランスフォーマーベースのフレームワークである。
MBBNは3つの大規模なコホートで49,673人の個人を訓練し、精神医学と認知学の成果を予測する新しい最先端技術を確立している。
論文 参考訳（メタデータ） (2025-03-30T10:56:50Z) - Spiking Meets Attention: Efficient Remote Sensing Image Super-Resolution with Attention Spiking Neural Networks [86.28783985254431]
従来の人工ニューラルネットワーク(ANN)の代替手段としてスパイキングニューラルネットワーク(SNN)が登場
本稿では,AID,DOTA,DIORなどのリモートセンシングベンチマークにおいて,最先端の性能を実現するSpikeSRを提案する。
論文 参考訳（メタデータ） (2025-03-06T09:06:06Z) - Detecting Neurocognitive Disorders through Analyses of Topic Evolution and Cross-modal Consistency in Visual-Stimulated Narratives [83.15653194899126]
神経認知障害(NCD)の早期発見は、時間的介入と疾患管理に不可欠である。
現在のVSNベースのNCD検出法は主にボトムアップ、刺激駆動認知プロセスと密接に結びついている言語マイクロ構造に焦点を当てている。
本稿では,話題の時間的変化を追跡する動的トピックモデル(DTM)と,物語と視覚刺激の相互整合性を測定するテキスト画像時間アライメントネットワーク(TITAN)の2つの新しいマクロ構造手法を提案する。
論文 参考訳（メタデータ） (2025-01-07T12:16:26Z) - Depth-induced Saliency Comparison Network for Diagnosis of Alzheimer's Disease via Jointly Analysis of Visual Stimuli and Eye Movements [8.907381270308452]
特殊な視覚刺激下での眼球運動は、アルツハイマー病の認知異常を検出する潜在的な非侵襲的バイオマーカーとして機能する。
眼球運動解析のためのDepth-induced saliency comparison Network (DISCN)を提案する。
以上の結果から,DECNはAD患者と正常コントロールの眼球運動の分類において一貫した妥当性が得られた。
論文 参考訳（メタデータ） (2024-03-15T09:15:57Z) - Power Spectral Density-Based Resting-State EEG Classification of
First-Episode Psychosis [1.3416169841532526]
脳の異常活動パターンの同定における刺激非依存型脳波の有用性を示す。
複数の周波数帯域を組み込んだ一般化モデルでは、脳波バイオマーカーとFEP(First-Episode Psychosis)を関連付けるのがより効率的である。
本稿では,PSD解析における前処理手法の総合的な考察と,異なるモデルの詳細な比較について述べる。
論文 参考訳（メタデータ） (2022-11-23T00:28:41Z)
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。