論文の概要: Stringology-Based Motif Discovery from EEG Signals: an ADHD Case Study
- arxiv url: http://arxiv.org/abs/2603.03476v1
- Date: Tue, 03 Mar 2026 19:44:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-05 21:29:15.06942
- Title: Stringology-Based Motif Discovery from EEG Signals: an ADHD Case Study
- Title（参考訳）: 脳波信号からの弦学に基づくモチーフ発見:ADHDケーススタディ
- Authors: Anat Dahan, Samah Ghazawi,
- Abstract要約: 弦学の手法を用いて脳波時系列を解析するための新しい計算手法を提案する。
このフレームワークは順序保存マッチング(OPM)とカルテシアンツリーマッチング(CTM)に適応し、時間的モチーフを検出する。
以上の結果から,ADHD関連脳波変化は時間的パターンの系統的変化,安定性,階層的構造に影響を及ぼすことが示唆された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We propose a novel computational framework for analyzing electroencephalography (EEG) time series using methods from stringology, the study of efficient algorithms for string processing, to systematically identify and characterize recurrent temporal patterns in neural signals. The primary aim is to introduce quantitative measures to understand neural signal dynamics, with the present findings serving as a proof-of-concept. The framework adapts order-preserving matching (OPM) and Cartesian tree matching (CTM) to detect temporal motifs that preserve relative ordering and hierarchical structure while remaining invariant to amplitude scaling. This approach provides a temporally precise representation of EEG dynamics that complements traditional spectral and global complexity analyses. To evaluate its utility, we applied the framework to multichannel EEG recordings from individuals with attention-deficit/hyperactivity disorder (ADHD) and matched controls using a publicly available dataset. Highly recurrent, group-specific motifs were extracted and quantified using both OPM and CTM. The ADHD group exhibited significantly higher motif frequencies, suggesting increased repetitiveness in neural activity. OPM analysis revealed shorter motif lengths and greater gradient instability in ADHD, reflected in larger mean and maximal inter-sample amplitude changes. CTM analysis further demonstrated reduced hierarchical complexity in ADHD, characterized by shallower tree structures and fewer hierarchical levels despite comparable motif lengths. These findings suggest that ADHD-related EEG alterations involve systematic differences in the structure, stability, and hierarchical organization of recurrent temporal patterns. The proposed stringology-based motif framework provides a complementary computational tool with potential applications for objective biomarker development in neurodevelopmental disorders.
- Abstract（参考訳）: 本稿では,文字列処理における効率的なアルゴリズムの研究である弦学の手法を用いて脳波時系列を解析し,ニューラル信号の繰り返し時間パターンを体系的に同定し,特徴付ける新しい計算手法を提案する。
主な目的は、神経信号のダイナミクスを理解するための定量的な尺度を導入することであり、この発見は概念実証として機能する。
このフレームワークは順序保存マッチング(OPM)とカルテシアンツリーマッチング(CTM)に適応し、振幅スケーリングに不変なまま、相対順序と階層構造を保持する時間的モチーフを検出する。
このアプローチは、伝統的なスペクトル分析と大域的複雑性解析を補完する脳波力学の時間的に正確な表現を提供する。
その有用性を評価するために,注意欠陥・高活動障害(ADHD)を持つ個人による多チャンネル脳波記録にフレームワークを適用し,公開データセットを用いて一致制御を行った。
OPMおよびCTMを用いて高頻度で群特異的なモチーフを抽出,定量した。
ADHD群はモチーフ周波数が有意に高く, 神経活動の反復性が増した。
OPM分析の結果,ADHDではモチーフ長が短く,勾配不安定性が強く,平均および最大振幅変化が認められた。
CTM分析によりADHDの階層的複雑性がさらに低下し,木構造が浅く,モチーフ長に比較して階層的レベルが低くなった。
以上の結果から,ADHD関連脳波変化は時間的パターンの系統的変化,安定性,階層的構造に影響を及ぼすことが示唆された。
The proposed stringology-based motif framework provides a complementary computer tool with potential application for objective biomarker development in neurodevelopmental disorders。
関連論文リスト
- BEAT-Net: Injecting Biomimetic Spatio-Temporal Priors for Interpretable ECG Classification [1.3909285316906435]
BEAT-NetはTokenizationフレームワークを用いたバイオミメティックECG分析である。
局所的なビート形態を抽出する特殊なエンコーダによって心臓生理を分解する。
例外的なデータ効率を示し、注釈付きデータの30～35%しか使用せずに、完全に教師付きのパフォーマンスを回復する。
論文 参考訳（メタデータ） (2026-01-12T08:37:47Z) - Machine Learning Approaches to Clinical Risk Prediction: Multi-Scale Temporal Alignment in Electronic Health Records [2.9576397177561087]
本研究では,マルチスケール時間アライメントネットワーク(MSTAN)に基づくリスク予測手法を提案する。
電子健康記録(EHR)における時間的不規則性、サンプリング間隔差、およびマルチスケールダイナミック依存関係の課題に対処する。
EHRデータセットで実施された実験によると、提案されたモデルは、精度、リコール、精度、F1-Scoreのメインストリームベースラインを上回っている。
論文 参考訳（メタデータ） (2025-11-26T16:33:59Z) - PTSM: Physiology-aware and Task-invariant Spatio-temporal Modeling for Cross-Subject EEG Decoding [29.645617313721186]
クロスオブジェクト脳波(EEG)デコーディングは、脳-コンピュータインターフェース(BCI)研究における根本的な課題である。
本稿では,未確認領域にまたがる脳波デコーディングのための新しいフレームワークPTSMを提案する。
PTSMは、パーソナライズされた時間的パターンと共有された時間的パターンを独立して学習するデュアルブランチ機構を採用している。
論文 参考訳（メタデータ） (2025-08-15T09:51:14Z) - A Novel Data Augmentation Strategy for Robust Deep Learning Classification of Biomedical Time-Series Data: Application to ECG and EEG Analysis [2.355460994057843]
本研究では,様々な信号タイプにまたがる最先端性能を実現する,新しい統合型深層学習フレームワークを提案する。
従来の研究とは異なり、将来予測能力を達成するために信号の複雑さを科学的に増加させ、最高の予測を導いた。
アーキテクチャには130MBのメモリとプロセスが10ミリ秒で必要であり、ローエンドデバイスやウェアラブルデバイスへのデプロイに適していることを示唆している。
論文 参考訳（メタデータ） (2025-07-16T21:38:10Z) - PhysLLM: Harnessing Large Language Models for Cross-Modal Remote Physiological Sensing [49.243031514520794]
LLM(Large Language Models)は、テキスト中心の設計のため、長距離信号の取得に優れる。
PhysLLMは最先端の精度とロバスト性を実現し、照明のバリエーションや動きのシナリオにまたがる優れた一般化を示す。
論文 参考訳（メタデータ） (2025-05-06T15:18:38Z) - CTPD: Cross-Modal Temporal Pattern Discovery for Enhanced Multimodal Electronic Health Records Analysis [50.56875995511431]
マルチモーダルEHRデータから有意な時間的パターンを効率的に抽出するために,CTPD(Cross-Modal Temporal Pattern Discovery)フレームワークを導入する。
提案手法では,時間的セマンティックな埋め込みを生成するためにスロットアテンションを用いて改良された時間的パターン表現を提案する。
論文 参考訳（メタデータ） (2024-11-01T15:54:07Z) - 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) - Interpretable Spatio-Temporal Embedding for Brain Structural-Effective Network with Ordinary Differential Equation [56.34634121544929]
本研究では,まず動的因果モデルを用いて脳効果ネットワークを構築する。
次に、STE-ODE(Spatio-Temporal Embedding ODE)と呼ばれる解釈可能なグラフ学習フレームワークを導入する。
このフレームワークは、構造的および効果的なネットワーク間の動的相互作用を捉えることを目的とした、特異的に設計されたノード埋め込み層を含んでいる。
論文 参考訳（メタデータ） (2024-05-21T20:37:07Z) - 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) - 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) - Consistency of mechanistic causal discovery in continuous-time using
Neural ODEs [85.7910042199734]
ダイナミカルシステムの研究において,連続時間における因果的発見を検討する。
本稿では,ニューラルネットワークを用いた因果探索アルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-05-06T08:48:02Z)
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。