論文の概要: Task-guided Spatiotemporal Network with Diffusion Augmentation for EEG-based Dementia Diagnosis and MMSE Prediction

• arxiv url: http://arxiv.org/abs/2604.23964v1
• Date: Mon, 27 Apr 2026 02:24:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-28 17:12:07.700651
• Title: Task-guided Spatiotemporal Network with Diffusion Augmentation for EEG-based Dementia Diagnosis and MMSE Prediction
• Title（参考訳）: 脳波による認知症診断とMMSE予測のための拡散増強型タスク誘導時空間ネットワーク
• Authors: Xiaoyu Zheng, Xu Tian, Bin Jiao, Kunbo Cui, Hanhe Lin, Lu Shen, Jin Liu,
• Abstract要約: 脳波認知症診断とMMSE予測のための拡散増強型タスク誘導ネットワーク(TGSN)を提案する。 TGSNはマルチバンド機能融合モジュールを統合し、EEGから補完スペクトル情報をキャプチャする。 脳波の複雑な時間的認知パターンをモデル化するために,時間的注意モジュールを提案する。
• 参考スコア（独自算出の注目度）: 7.323891662570607
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Patients with dementia typically exhibit cognitive impairment, which is routinely assessed using the Mini-Mental State Examination (MMSE). Concurrently, their underlying neurophysiological abnormalities are reflected in Electroencephalography (EEG), providing a basis for joint modeling. However, traditional multi-task approaches suffer from feature entanglement, which leads to inter-task interference when handling heterogeneous objectives.To address this challenge, we propose a task-guided spatiotemporal network (TGSN) with diffusion augmentation for EEG-based dementia diagnosis and MMSE prediction. Specifically, TGSN integrates a multi-band feature fusion module to capture complementary spectral information from EEG. Meanwhile, a pre-trained data augmentation module utilizing a diffusion process is introduced toincrease sample diversity. To model the complex spatiotemporal patterns of EEG, we propose a gated spatiotemporal attention module that captures long-range spatial dependencies and temporal dynamics. Moreover, we design a task-guided query module to achieve task-specific feature extraction, thereby mitigating task interference. The effectiveness of TGSN is evaluated on the XY02 dataset. Experimental results demonstrate that the proposed network outperforms several state-of-the-art methods, achieving classification accuracies of 97.78\% for Alzheimer's Disease (AD)/Frontotemporal Dementia (FTD) and 83.93\% for AD/FTD/Vascular Cognitive Impairment (VCI), which exceed the best baselines by 16.39\% and 8.28\%, respectively. In parallel, it reduces the RMSE for MMSE prediction to 1.93 and 2.38, achieving significant error reductions of 1.44 and 1.43 compared to the best baselines. Additionally, validation on the DS004504 dataset demonstrates strong cross-dataset generalization...
• Abstract（参考訳）: 認知症の患者は一般的に認知障害を呈し, MMSE(Mini-Mental State Examination)を用いて日常的に評価される。 同時に、その基礎となる神経生理学的異常は脳波(EEG)に反映され、関節のモデリングの基礎となる。 しかし,従来のマルチタスクアプローチは特徴の絡み合いに悩まされ,不均一な目的を取り扱う際にタスク間干渉を引き起こす。この課題に対処するために,脳波による認知症診断とMMSE予測のための拡散増強を伴うタスク誘導時空間ネットワーク(TGSN)を提案する。 具体的には、TGSNはマルチバンド機能融合モジュールを統合し、EEGから補完スペクトル情報をキャプチャする。 一方、拡散過程を利用した事前学習データ拡張モジュールを導入し、サンプルの多様性を増大させる。 脳波の複雑な時空間パターンをモデル化するために,長距離空間依存性と時空間ダイナミクスをキャプチャする有声時空間アテンションモジュールを提案する。 さらに,タスク固有の特徴抽出を実現するために,タスク誘導型クエリモジュールを設計し,タスク干渉を軽減する。 TGSNの有効性をXY02データセットで評価した。 実験の結果,本ネットワークは,アルツハイマー病 (AD) と慢性側頭症 (FTD) では97.78 %,AD/FTD/Vascular Cognitive Impairment (VCI) では83.93 %,それぞれ16.39 %,8.28 % の分類精度を達成している。 並行して、MMSE予測のRMSEを1.93と2.38に削減し、最高のベースラインに比べて1.44と1.43の大幅なエラー削減を実現している。 さらに、DS004504データセットの検証は、強力なクロスデータセットの一般化を示す。

関連論文リスト

• Attention-gated U-Net model for semantic segmentation of brain tumors and feature extraction for survival prognosis [0.815557531820863]
  グリオーマは、最も一般的な原発性脳腫瘍の1つで、攻撃性、予後、組織学的に大きく異なる。 本研究では,脳腫瘍のセグメンテーションを改善するために,R2U-NetをベースとしたTriplanar(2.5D)モデルを提案する。
  論文  参考訳（メタデータ） (2026-02-14T07:48:58Z)
• FDP: A Frequency-Decomposition Preprocessing Pipeline for Unsupervised Anomaly Detection in Brain MRI [44.4791295950757]
  我々は脳MRIのための教師なし異常検出(UAD)アプローチを開発した。 病的シグネチャの最初の系統的周波数領域解析を行う。 周波数分割前処理(FDP)フレームワークは,周波数領域再構成を同時に行うことで,病態の抑制と解剖学的保存を同時に行うことができることを示す。
  論文  参考訳（メタデータ） (2025-11-17T02:40:14Z)
• EffNetViTLoRA: An Efficient Hybrid Deep Learning Approach for Alzheimer's Disease Diagnosis [2.220152876549942]
  アルツハイマー病(英語: Alzheimer's disease、AD)は、世界の神経変性疾患の一つ。 EffNetViTLoRA は Alzheimer's Disease Neuroimaging Initiative (ADNI) Magnetic Resonance Imaging (MRI) データセットを用いたAD診断のエンドツーエンドモデルである。
  論文  参考訳（メタデータ） (2025-08-26T18:22:28Z)
• HANS-Net: Hyperbolic Convolution and Adaptive Temporal Attention for Accurate and Generalizable Liver and Tumor Segmentation in CT Imaging [2.7205074719266062]
  腹部CT像における肝・腫瘍の正確なセグメンテーションは確実な診断と治療計画に重要である。 ニューラル表現とシナプティック・プラスティック・ネットワーク(HANS-Net)を用いたハイパーボリック・コンボリューションの導入 HANS-Netは、階層的幾何表現のための双曲的畳み込み、マルチスケールテクスチャ学習のためのウェーブレットインスパイアされた分解モジュール、暗黙の神経表現分岐を組み合わせた。
  論文  参考訳（メタデータ） (2025-07-15T13:56:37Z)
• Machine Learning for ALSFRS-R Score Prediction: Making Sense of the Sensor Data [44.99833362998488]
  筋萎縮性側索硬化症(Amyotrophic Lateral Sclerosis、ALS)は、急速に進行する神経変性疾患である。 iDPP@CLEF 2024チャレンジを先導した今回の調査は,アプリから得られるセンサデータを活用することに焦点を当てている。
  論文  参考訳（メタデータ） (2024-07-10T19:17:23Z)
• Diagnosing Alzheimer's Disease using Early-Late Multimodal Data Fusion with Jacobian Maps [1.5501208213584152]
  アルツハイマー病(英語: Alzheimer's disease、AD)は、老化に影響を及ぼす神経変性疾患である。 本稿では,自動特徴抽出とランダム森林のための畳み込みニューラルネットワークを利用する,効率的な早期融合(ELF)手法を提案する。 脳の容積の微妙な変化を検出するという課題に対処するために、画像をヤコビ領域(JD)に変換する。
  論文  参考訳（メタデータ） (2023-10-25T19:02:57Z)
• ArSDM: Colonoscopy Images Synthesis with Adaptive Refinement Semantic Diffusion Models [69.9178140563928]
  大腸内視鏡検査は臨床診断や治療に不可欠である。 注釈付きデータの不足は、既存の手法の有効性と一般化を制限する。 本稿では, 下流作業に有用な大腸内視鏡画像を生成するために, 適応Refinement Semantic Diffusion Model (ArSDM)を提案する。
  論文  参考訳（メタデータ） (2023-09-03T07:55:46Z)
• Brain Imaging-to-Graph Generation using Adversarial Hierarchical Diffusion Models for MCI Causality Analysis [44.45598796591008]
  機能的磁気共鳴画像(fMRI)を軽度認知障害解析のための効果的な接続性にマッピングするために,脳画像から画像へのBIGG(Brain Imaging-to-graph generation)フレームワークを提案する。 発電機の階層変換器は、複数のスケールでノイズを推定するように設計されている。 ADNIデータセットの評価は,提案モデルの有効性と有効性を示す。
  論文  参考訳（メタデータ） (2023-05-18T06:54:56Z)
• Statistical control for spatio-temporal MEG/EEG source imaging with desparsified multi-task Lasso [102.84915019938413]
  脳磁図(MEG)や脳電図(EEG)のような非侵襲的手法は、非侵襲的手法を約束する。 ソースローカライゼーション(ソースイメージング)の問題は、しかしながら、高次元の統計的推測問題を引き起こす。 この問題に対処するために,分離されたマルチタスクラッソ(ecd-MTLasso)のアンサンブルを提案する。
  論文  参考訳（メタデータ） (2020-09-29T21:17:16Z)

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。