論文の概要: EyeBrain: Left and Right Brain Lateralization Activity Classification Through Pupil Diameter and Fixation Duration

• arxiv url: http://arxiv.org/abs/2604.23562v1
• Date: Sun, 26 Apr 2026 07:01:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-28 17:12:07.433077
• Title: EyeBrain: Left and Right Brain Lateralization Activity Classification Through Pupil Diameter and Fixation Duration
• Title（参考訳）: EyeBrain: 瞳孔径と固定時間による左右脳側方化活動の分類
• Authors: Ko Watanabe, Pooja Pol, Nicolas Großmann, Shoya Ishimaru, Andreas Dengel,
• Abstract要約: 瞳孔径と固定期間は,左脳と右脳の活動を効果的に分類できることが示唆された。 その結果,視力測定は側方脳活動の堅牢な指標であり,認知モニタリングや神経リハビリテーションに応用できる可能性が示唆された。
• 参考スコア（独自算出の注目度）: 5.894799054367348
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The relationship between brain lateralization and cognitive functions is well-documented. The left hemisphere primarily handles tasks such as language and arithmetic, while the right hemisphere is involved in creative activities like drawing and music perception. Eye-tracking technology has shown the potential to reveal cognitive states by measuring ocular metrics such as pupil diameter and fixation duration. However, the ability to distinguish lateralized brain activity using these ocular metrics remains underexplored. Here, we demonstrate that pupil diameter and fixation duration can effectively classify left and right brain hemisphere activities. We obtained a considerably high classification performance, with an F1 score of 0.894. The results suggest that ocular metrics are robust indicators of lateralized brain activity and can be applied in cognitive monitoring and neurorehabilitation. Our future work expands on this by integrating these methods into real-time applications EyeBrain, potentially broadening their use across various cognitive and neurological domains.
• Abstract（参考訳）: 脳の側方化と認知機能の関係はよく文書化されている。 左半球は主に言語や算術などのタスクを処理し、右半球は描画や音楽知覚といった創造的な活動に関与している。 視線追跡技術は、瞳孔径や固定期間などの眼球計測値を測定することで、認知状態を明らかにする可能性を示している。 しかし、これらの眼球計測値を用いて側方化脳活動を識別する能力は、いまだ解明されていない。 ここでは,瞳孔径と固定期間が,左脳と右脳の活動を効果的に分類できることを実証する。 F1スコアが0.894のかなり高い分類性能を得た。 その結果,視力測定は側方脳活動の堅牢な指標であり,認知モニタリングや神経リハビリテーションに応用できる可能性が示唆された。 将来的には、これらの手法をリアルタイムアプリケーションに統合して、さまざまな認知や神経学領域にまたがって使用を拡大していく予定です。

関連論文リスト

• AI Meets Brain: Memory Systems from Cognitive Neuroscience to Autonomous Agents [69.39123054975218]
  メモリは過去と未来の重要なネクサスブリッジとして機能する。 自律エージェントに関する最近の研究は、認知神経科学に基づいて効率的な記憶を設計することに集中している。
  論文  参考訳（メタデータ） (2025-12-29T10:01:32Z)
• Voxel-Level Brain States Prediction Using Swin Transformer [65.9194533414066]
  本稿では, 4D Shifted Window (Swin) Transformer をエンコーダとして用い, 時間的情報を効率よく学習し, 畳み込みデコーダを用いて入力fMRIデータと同じ空間的, 時間的解像度で脳状態の予測を可能にするアーキテクチャを提案する。 前回の23.04s fMRI時系列に基づいて7.2sの安静時脳活動を予測すると,高い精度が得られた。 これは、人間の脳の時間的構造が高解像度でSwin Transformerモデルによって学習できることを示す有望な証拠である。
  論文  参考訳（メタデータ） (2025-06-13T04:14:38Z)
• BrainMAP: Learning Multiple Activation Pathways in Brain Networks [77.15180533984947]
  本稿では,脳ネットワークにおける複数の活性化経路を学習するための新しいフレームワークであるBrainMAPを紹介する。 本フレームワークは,タスクに関わる重要な脳領域の説明的分析を可能にする。
  論文  参考訳（メタデータ） (2024-12-23T09:13:35Z)
• Brain-like Functional Organization within Large Language Models [58.93629121400745]
  人間の脳は長い間人工知能(AI)の追求にインスピレーションを与えてきた 最近のニューロイメージング研究は、人工ニューラルネットワーク(ANN)の計算的表現と、人間の脳の刺激に対する神経反応との整合性の説得力のある証拠を提供する。 本研究では、人工ニューロンのサブグループと機能的脳ネットワーク(FBN)を直接結合することで、このギャップを埋める。 このフレームワークはANサブグループをFBNにリンクし、大きな言語モデル(LLM)内で脳に似た機能的組織を記述できる。
  論文  参考訳（メタデータ） (2024-10-25T13:15:17Z)
• Auto Detecting Cognitive Events Using Machine Learning on Pupillary Data [0.0]
  瞳孔の大きさは認知作業負荷の貴重な指標であり、自律神経系によって支配される注意の変化と覚醒を反映している。 本研究では、機械学習を用いて個人が経験した認知イベントを自動的に検出する可能性について検討する。
  論文  参考訳（メタデータ） (2024-10-18T04:54:46Z)
• BRACTIVE: A Brain Activation Approach to Human Visual Brain Learning [16.6303151562762]
  本稿では,脳活動ネットワーク(BRACTIVE)について紹介する。 BRACTIVEの主な目的は、機能的磁気共鳴画像(fMRI)信号を用いて、被験者の視覚的特徴を対応する脳表現と整合させることである。 実験の結果, BRACTIVEは顔や身体選択領域など, 個人特有の関心領域を効果的に識別できることがわかった。
  論文  参考訳（メタデータ） (2024-05-29T06:50:13Z)
• Assessing cognitive function among older adults using machine learning and wearable device data: a feasibility study [3.0872517448897465]
  健常成人と認知不良高齢者を区別する予測モデルを開発した。 活動と睡眠パラメータは、他の認知流速と比較して、処理速度、作業記憶、注意に強く関連していた。
  論文  参考訳（メタデータ） (2023-08-28T00:07:55Z)
• BI AVAN: Brain inspired Adversarial Visual Attention Network [67.05560966998559]
  機能的脳活動から直接人間の視覚的注意を特徴付ける脳誘発対人視覚注意ネットワーク(BI-AVAN)を提案する。 本モデルは,人間の脳が監督されていない方法で焦点を絞った映画フレーム内の視覚的物体を識別・発見するために,注意関連・無視対象間の偏りのある競合過程を模倣する。
  論文  参考訳（メタデータ） (2022-10-27T22:20:36Z)

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。