論文の概要: A Neuro-Symbolic System for Interpretable Multimodal Physiological Signals Integration in Human Fatigue Detection

• arxiv url: http://arxiv.org/abs/2603.24358v1
• Date: Wed, 25 Mar 2026 14:41:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-26 21:06:11.335189
• Title: A Neuro-Symbolic System for Interpretable Multimodal Physiological Signals Integration in Human Fatigue Detection
• Title（参考訳）: ヒトの疲労検出における解釈可能なマルチモーダル生理信号統合のための神経シンボリックシステム
• Authors: Mohammadreza Jamalifard, Yaxiong Lei, Parasto Azizinezhad, Javier Fumanal-Idocin, Javier Andreu-Perez,
• Abstract要約: 眼球運動動態,視線安定性,前頭前血行動態,マルチモーダルの4つの解釈可能な生理的概念を,視線追跡と神経血行動態,機能的近赤外分光,注意に基づくエンコーダを用いたFNIRSウィンドウから学習し,学習重量とソフトしきい値を用いた近似的推論規則と組み合わせた。 本システムは, 正確かつ解釈可能なモデルを必要とする領域であるマルチモーダル生理信号からの疲労分類に応用する。
• 参考スコア（独自算出の注目度）: 3.430778683859764
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose a neuro-symbolic architecture that learns four interpretable physiological concepts, oculomotor dynamics, gaze stability, prefrontal hemodynamics, and multimodal, from eye-tracking and neural hemodynamics, functional near-infrared spectroscopy, (fNIRS) windows using attention-based encoders, and combines them with differentiable approximate reasoning rules using learned weights and soft thresholds, to address both rigid hand-crafted rules and the lack of subject-level alignment diagnostics. We apply this system to fatigue classification from multimodal physiological signals, a domain that requires models that are accurate and interpretable, with internal reasoning that can be inspected for safety-critical use. In leave-one-subject-out evaluation on 18 participants (560 samples), the method achieves 72.1% +/- 12.3% accuracy, comparable to tuned baselines while exposing concept activations and rule firing strengths. Ablations indicate gains from participant-specific calibration (+5.2 pp), a modest drop without the fNIRS concept (-1.2 pp), and slightly better performance with Lukasiewicz operators than product (+0.9 pp). We also introduce concept fidelity, an offline per-subject audit metric from held-out labels, which correlates strongly with per-subject accuracy (r=0.843, p < 0.0001).
• Abstract（参考訳）: 眼球運動動態,視線安定性,前頭前血行動態,マルチモーダルの4つの解釈可能な生理的概念を,視線追跡と神経血行動態,機能的近赤外分光,注目型エンコーダを用いたFNIRSウィンドウから学習し,学習したウェイトとソフトしきい値を用いた近似的推論規則と組み合わせて,厳密な手作りルールと主観レベルのアライメント診断の欠如に対処する。 本システムは, 正確かつ解釈可能なモデルを必要とする領域であるマルチモーダル生理信号からの疲労分類に応用する。 参加者18名(サンプル560名)のアウト・ワン・サブジェクトアウト評価では、72.1%+/-12.3%の精度を達成し、コンセプトアクティベーションとルール発火強度を暴露しながら、チューニングベースラインに匹敵する精度を達成している。 アブレーションは、参加者固有のキャリブレーション(+5.2 pp)、fNIRSのコンセプトを持たない控えめなドロップ(-1.2 pp)、およびLukasiewicz演算子のパフォーマンスが製品(+0.9 pp)よりも若干向上したことを示している。 また,実物ごとの精度 (r=0.843, p < 0.0001) と強く相関する実物ごとのオフライン監査尺度である概念忠実度も導入した。

関連論文リスト

• Detecting Neurovascular Instability from Multimodal Physiological Signals Using Wearable-Compatible Edge AI: A Responsible Computational Framework [0.0]
  ウェアラブル互換の生理信号から神経血管不安定性(NVI)を検出するためのマルチモーダルMLフレームワークであるMeraguardを提案する。 毎年1220万回のインシデントストロークで、連続したマルチモーダルな生理的モニタリングは、コミュニティスケールのスクリーニングへの実践的なパスを提供する。
  論文  参考訳（メタデータ） (2026-03-20T19:17:46Z)
• Interpretable Aneurysm Classification via 3D Concept Bottleneck Models: Integrating Morphological and Hemodynamic Clinical Features [0.6445605125467574]
  本稿では,高次元神経画像の特徴を,大動脈瘤の同定のための形態的および血行力学的概念の離散セットにマッピングする,エンドツーエンドの3Dコンセプト・ボトルネックフレームワークを提案する。 本研究では,ResNet-34アーキテクチャでは93.33%+/-4.5%,DenseNet-121モデルでは91.43%+/-8%のピークタスク分類精度を示した。
  論文  参考訳（メタデータ） (2026-03-08T01:03:48Z)
• Learning Alzheimer's Disease Signatures by bridging EEG with Spiking Neural Networks and Biophysical Simulations [42.091774598477706]
  脳波に基づくアルツハイマー病検出のための従来のディープラーニングアプローチは、計算集約的で機械的に不透明である。 本稿では,データ駆動学習と生体物理シミュレーションを結びつけるニューラルネットワークフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-30T21:54:16Z)
• A Sparse-Attention Deep Learning Model Integrating Heterogeneous Multimodal Features for Parkinson's Disease Severity Profiling [4.813020904720317]
  Class-Weighted Sparse-Attention Fusion Network (SAFN)は、堅牢なマルチモーダルプロファイリングのための解釈可能なディープラーニングフレームワークである。 SAFNは、MRI皮質厚み、MRI体積測定、臨床評価、人口統計学変数を統合している。 精度は0.98プラスまたは0.02、PR-AUCは1.00プラスまたは0.00で、確立された機械学習およびディープラーニングベースラインを上回っている。
  論文  参考訳（メタデータ） (2026-01-02T00:51:21Z)
• Transparent Early ICU Mortality Prediction with Clinical Transformer and Per-Case Modality Attribution [42.85462513661566]
  ICU滞在後48時間から, 生理的時系列測定と非構造的臨床記録とを融合した, 軽量で透明なマルチモーダルアンサンブルを提案する。 ロジスティック回帰モデルは、バイタル用双方向LSTMとノート用微調整された臨床ModernBERT変換器の2つのモード固有モデルからの予測を組み合わせる。 MIMIC-IIIベンチマークでは、遅延融合アンサンブルは、よく校正された予測を維持しながら、最高の単一モデルに対する差別を改善する。
  論文  参考訳（メタデータ） (2025-11-19T20:11:49Z)
• AI-Enhanced High-Density NIRS Patch for Real-Time Brain Layer Oxygenation Monitoring in Neurological Emergencies [1.554464105856087]
  我々は、脳皮質からリアルタイムで層特異的な酸素化データを提供するために最適化されたAI駆動の高密度NIRSシステムを導入する。 提案システムは,高密度NIRS反射率データとMRIに基づく合成データセットに基づいてトレーニングされたニューラルネットワークを統合する。 シミュレーションでは、我々のAI支援NIRSは、実際の皮質酸素化と強い相関を示し、従来の方法よりも顕著に優れていた。
  論文  参考訳（メタデータ） (2025-11-06T13:45:01Z)
• Dynamic Graph Neural Network for Data-Driven Physiologically Based Pharmacokinetic Modeling [6.816046360590831]
  生理に基づく薬物動態(PBPK)モデリングは、臓器全体にわたる薬物濃度の動態を予測することによって、薬物開発において重要な役割を担っている。 伝統的なアプローチは、強い単純化された仮定を持つ通常の微分方程式に依存しており、非線形生理学的相互作用への適応性を制限している。 本稿では,生理的接続を臓器間の繰り返しメッセージパッシングプロセスとしてモデル化する動的グラフニューラルネットワーク(Dynamic GNN)を提案する。
  論文  参考訳（メタデータ） (2025-10-25T00:40:12Z)
• EchoBench: Benchmarking Sycophancy in Medical Large Vision-Language Models [82.43729208063468]
  医療用LVLM(Large Vision-Language Models)の最近のベンチマークでは、信頼性と安全性を見越して、リーダボードの精度を強調している。 ユーザが提供した情報を非批判的に反響させる傾向のモデルについて検討する。 医療用LVLMの梅毒を系統的に評価するベンチマークであるEchoBenchを紹介する。
  論文  参考訳（メタデータ） (2025-09-24T14:09:55Z)
• Organ-Agents: Virtual Human Physiology Simulator via LLMs [66.40796430669158]
  オルガン-エージェント(Organ-Agents)は、LDM駆動のエージェントを介して人間の生理学をシミュレートする多エージェントフレームワークである。 症例は7,134例,コントロール7,895例で,9系統および125変数にわたる高分解能トラジェクトリを作成した。 臓器抗原は4,509人の保留患者に対して高いシミュレーション精度を達成し, システムごとのMSE0.16とSOFA系重症度層間の堅牢性を示した。
  論文  参考訳（メタデータ） (2025-08-20T01:58:45Z)
• Contrast Sensitivity in Multimodal Large Language Models: A Psychophysics-Inspired Evaluation [37.9406446788251]
  マルチモーダル大言語モデル(MLLM)におけるコントラスト感度関数(CSF)を推定するための行動的手法を提案する。 モデルは、特定の空間周波数でフィルタリングされた雑音に基づく刺激を観察しながら、構造化されたプロンプトでクエリされる。 以上の結果から,人間のCSFと形状やスケールが似ているモデルもあるが,どちらのモデルも捉えていないことが判明した。
  論文  参考訳（メタデータ） (2025-08-14T06:07:44Z)
• Video-based Remote Physiological Measurement via Cross-verified Feature Disentangling [121.50704279659253]
  非生理的表現と生理的特徴を混同するための横断的特徴分離戦略を提案する。 次に, 蒸留された生理特性を用いて, 頑健なマルチタスク生理測定を行った。 歪んだ特徴は、最終的に平均HR値やr信号のような複数の生理的信号の合同予測に使用される。
  論文  参考訳（メタデータ） (2020-07-16T09:39:17Z)

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。