論文の概要: NeuroSleep: Neuromorphic Event-Driven Single-Channel EEG Sleep Staging for Edge-Efficient Sensing

• arxiv url: http://arxiv.org/abs/2602.15888v1
• Date: Fri, 06 Feb 2026 13:16:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-23 12:01:13.690891
• Title: NeuroSleep: Neuromorphic Event-Driven Single-Channel EEG Sleep Staging for Edge-Efficient Sensing
• Title（参考訳）: NeuroSleep: エッジ効率なセンシングのためのニューロモルフィックイベント駆動単一チャネル脳波睡眠
• Authors: Boyu Li, Xingchun Zhu, Yonghui Wu,
• Abstract要約: 本稿では,エネルギー効率の高い睡眠ステージ構築のためのイベント駆動型センサと推論システムであるNeuroSleepを提案する。 状態認識モデリングによるニューロモルフィックエンコーディングをブリッジすることで、NeuroSleepはリソース制約のあるウェアラブルシナリオで常時オンの睡眠分析を行うためのスケーラブルなソリューションを提供する。
• 参考スコア（独自算出の注目度）: 7.848671193820205
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reliable, continuous neural sensing on wearable edge platforms is fundamental to long-term health monitoring; however, for electroencephalography (EEG)-based sleep monitoring, dense high-frequency processing is often computationally prohibitive under tight energy budgets. To address this bottleneck, this paper proposes NeuroSleep, an integrated event-driven sensing and inference system for energy-efficient sleep staging. NeuroSleep first converts raw EEG into complementary multi-scale bipolar event streams using Residual Adaptive Multi-Scale Delta Modulation (R-AMSDM), enabling an explicit fidelity-sparsity trade-off at the sensing front end. Furthermore, NeuroSleep adopts a hierarchical inference architecture that comprises an Event-based Adaptive Multi-scale Response (EAMR) module for local feature extraction, a Local Temporal-Attention Module (LTAM) for context aggregation, and an Epoch-Leaky Integrate-and-Fire (ELIF) module to capture long-term state persistence. Experimental results using subject-independent 5-fold cross-validation on the Sleep-EDF Expanded dataset demonstrate that NeuroSleep achieves a mean accuracy of 74.2% with only 0.932 M parameters while reducing sparsity-adjusted effective operations by approximately 53.6% relative to dense processing. Compared with the representative dense Transformer baseline, NeuroSleep improves accuracy by 7.5% with a 45.8% reduction in computational load. By bridging neuromorphic encoding with state-aware modeling, NeuroSleep provides a scalable solution for always-on sleep analysis in resource-constrained wearable scenarios.
• Abstract（参考訳）: ウェアラブルエッジプラットフォーム上での信頼性の高い連続的なニューラルセンシングは、長期的な健康モニタリングに不可欠であるが、脳波ベースの睡眠モニタリングでは、高頻度の処理は厳しいエネルギー予算の下で計算的に禁止されることが多い。 このボトルネックに対処するために、エネルギー効率の高い睡眠ステージのためのイベント駆動型センシングと推論システムであるNeuroSleepを提案する。 NeuroSleepはまず、Residual Adaptive Multi-Scale Delta Modulation (R-AMSDM)を用いて、生のEEGを補完的なマルチスケールのバイポーライベントストリームに変換する。 さらにNeuroSleepでは、イベントベースのローカル特徴抽出用Adaptive Multi-scale Response (EAMR)モジュール、コンテキストアグリゲーション用Local Temporal-Attention Module (LTAM)、長期状態の永続化をキャプチャするためのEpoch-Leaky Integrate-and-Fire (ELIF)モジュールを含む階層型推論アーキテクチャを採用している。 睡眠-EDF拡張データセット上での主観非依存5倍のクロスバリデーションを用いた実験結果から、NeuroSleepは平均精度74.2%、パラメータは0.932Mであり、疎度調整された有効操作を高密度処理と比較して約53.6%削減することが示された。 一般的な高密度トランスフォーマーベースラインと比較して、NeuroSleepは計算負荷を45.8%削減して精度を7.5%向上させる。 状態認識モデリングによるニューロモルフィックエンコーディングをブリッジすることで、NeuroSleepはリソース制約のあるウェアラブルシナリオで常時オンの睡眠分析を行うためのスケーラブルなソリューションを提供する。

関連論文リスト

• ULW-SleepNet: An Ultra-Lightweight Network for Multimodal Sleep Stage Scoring [28.352558247977168]
  超軽量・マルチモーダル睡眠ステージスコアリングフレームワークULW-SleepNetを提案する。 新たなDual-Stream Separable Convolution (DSSC) Block、Deepwise Separable Convolutions、チャネルワイドパラメータ共有、グローバル平均プールなどが組み込まれている。 最先端手法と比較して,本モデルではパラメータを98.6%まで削減し,性能損失を極端に抑えた。
  論文  参考訳（メタデータ） (2026-02-27T09:48:11Z)
• A Context-Aware Temporal Modeling through Unified Multi-Scale Temporal Encoding and Hierarchical Sequence Learning for Single-Channel EEG Sleep Staging [0.0]
  本研究は、自動睡眠ステージングのための実用的で広く利用可能な信号である、単一チャネル脳波(EEG)に焦点を当てる。 既存のアプローチでは、クラス不均衡、限定された受容場モデリング、不十分な解釈可能性といった課題に直面している。 本研究は,単一チャネル脳波睡眠ステージングのためのコンテキスト認識・解釈可能なフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-12-28T15:42:33Z)
• DeepBlip: Estimating Conditional Average Treatment Effects Over Time [48.20988325299593]
  構造ネスト平均モデル(SNMM)のための最初のニューラルネットワークフレームワークであるDeepBlipを提案する。 提案手法は, 時間変化による不偏推定を正確に調整し, ナイマン・直交損失関数はニュアンスモデルの不特定性に対して頑健性を保証する。
  論文  参考訳（メタデータ） (2025-11-18T14:49:03Z)
• SleepGMUformer: A gated multimodal temporal neural network for sleep staging [12.839348425917581]
  本稿では、WristHR-Motion-SleepおよびSleepEDF-78の心拍、運動、ステップ、脳波(Fpz-Cz、Pz-Oz)、EOGを含む多ドメイン睡眠データのためのゲート型時空間ニューラルネットワークを提案する。 1)機能アライメント、値ハンドリングの欠如、EEGデトレクションのための前処理モジュール、2)時間次元における複雑な睡眠特徴のための特徴抽出モジュール、3)リアルタイムなモータリティ重み付けのための動的融合モジュール。
  論文  参考訳（メタデータ） (2025-02-20T03:42:42Z)
• Deep-Unrolling Multidimensional Harmonic Retrieval Algorithms on Neuromorphic Hardware [78.17783007774295]
  本稿では,高精度かつエネルギー効率の高い単発多次元高調波検索のための変換に基づくニューロモルフィックアルゴリズムの可能性について検討する。 複雑な値の畳み込み層と活性化をスパイクニューラルネットワーク(SNN)に変換する新しい手法を開発した。 変換されたSNNは、元のCNNに比べて性能が低下し、ほぼ5倍の電力効率を実現している。
  論文  参考訳（メタデータ） (2024-12-05T09:41:33Z)
• Hybrid Spiking Neural Networks for Low-Power Intra-Cortical Brain-Machine Interfaces [42.72938925647165]
  皮質内脳-機械界面(iBMI)は麻痺患者の生活を劇的に改善する可能性がある。 現在のiBMIは、ハードウェアと配線が大きすぎるため、スケーラビリティとモビリティの制限に悩まされている。 無線iBMIにおける組込みニューラルデコーディングのためのハイブリッドスパイキングニューラルネットワークについて検討している。
  論文  参考訳（メタデータ） (2024-09-06T17:48:44Z)
• Single Channel EEG Based Insomnia Identification Without Sleep Stage Annotations [0.3495246564946556]
  不眠症患者50名,健常者50名を用いて,本モデルの有効性を検証した。 開発されたモデルでは、現在の睡眠監視システムを簡素化し、家庭内振動モニタリングを可能にする可能性がある。
  論文  参考訳（メタデータ） (2024-02-09T08:59:37Z)
• The Expressive Leaky Memory Neuron: an Efficient and Expressive Phenomenological Neuron Model Can Solve Long-Horizon Tasks [64.08042492426992]
  本稿では,脳皮質ニューロンの生物学的モデルであるExpressive Memory(ELM)ニューロンモデルを紹介する。 ELMニューロンは、上記の入力-出力関係を1万以下のトレーニング可能なパラメータと正確に一致させることができる。 本稿では,Long Range Arena(LRA)データセットなど,時間構造を必要とするタスクで評価する。
  論文  参考訳（メタデータ） (2023-06-14T13:34:13Z)
• Convolutional Monge Mapping Normalization for learning on sleep data [63.22081662149488]
  我々は、CMMN(Convolutional Monge Mapping Normalization)と呼ばれる新しい手法を提案する。 CMMNは、そのパワースペクトル密度(PSD)をトレーニングデータに基づいて推定されるワッサーシュタインバリセンタに適応させるために、信号をフィルタリングする。 睡眠脳波データに関する数値実験により、CMMNはニューラルネットワークアーキテクチャから独立して、顕著で一貫したパフォーマンス向上をもたらすことが示された。
  論文  参考訳（メタデータ） (2023-05-30T08:24:01Z)
• Continuous time recurrent neural networks: overview and application to forecasting blood glucose in the intensive care unit [56.801856519460465]
  連続時間自己回帰リカレントニューラルネットワーク(Continuous Time Autoregressive Recurrent Neural Network, CTRNN)は、不規則な観測を考慮に入れたディープラーニングモデルである。 重篤なケア環境下での血糖値の確率予測へのこれらのモデルの適用を実証する。
  論文  参考訳（メタデータ） (2023-04-14T09:39:06Z)
• A Closed-loop Sleep Modulation System with FPGA-Accelerated Deep Learning [1.5569382274788235]
  我々は,低消費電力フィールドプログラマブルゲートアレイ(FPGA)デバイス上でのクローズドループ操作をサポートする睡眠変調システムを開発した。 ディープラーニング(DL)モデルは、低消費電力のフィールドプログラマブルゲートアレイ(FPGA)デバイスによって加速される。 81名の被験者を含む公衆睡眠データベースを用いて、85.8%の最先端の分類精度とF1スコアの79%の精度でモデルが検証されている。
  論文  参考訳（メタデータ） (2022-11-19T01:47:53Z)
• SOUL: An Energy-Efficient Unsupervised Online Learning Seizure Detection Classifier [68.8204255655161]
  神経活動を記録して発作を検出するインプラントデバイスは、発作を抑えるために警告を発したり神経刺激を誘発したりするために採用されている。 移植可能な発作検出システムでは、低出力で最先端のオンライン学習アルゴリズムを使用して、神経信号のドリフトに動的に適応することができる。 SOULはTSMCの28nmプロセスで0.1mm2を占め、1.5nJ/分級エネルギー効率を実現した。
  論文  参考訳（メタデータ） (2021-10-01T23:01:20Z)
• Sleep Staging Based on Serialized Dual Attention Network [0.0]
  生の脳波に基づく深層学習モデルSDANを提案する。 チャネルアテンションと空間アテンション機構を連続的に組み合わせて、キー情報をフィルタリングしハイライトする。 他の方法と比較して、N1睡眠期において優れた結果が得られる。
  論文  参考訳（メタデータ） (2021-07-18T13:18:12Z)
• MSED: a multi-modal sleep event detection model for clinical sleep analysis [62.997667081978825]
  ポリソムノグラムで睡眠イベントを共同検出する,単一のディープニューラルネットワークアーキテクチャを設計した。 モデルの性能は,F1,精度,リコールスコア,および指標値と臨床値との相関で定量化した。
  論文  参考訳（メタデータ） (2021-01-07T13:08:44Z)

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。