論文の概要: BCI-Based Assessment of Ocular Response Time Using Dynamic Time Warping Leveraging an RDWT-Driven Deep Neural Framework

• arxiv url: http://arxiv.org/abs/2605.14883v1
• Date: Thu, 14 May 2026 14:28:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-15 21:45:34.871855
• Title: BCI-Based Assessment of Ocular Response Time Using Dynamic Time Warping Leveraging an RDWT-Driven Deep Neural Framework
• Title（参考訳）: RDWT駆動型ディープニューラルフレームワークを用いた動的時間ワープを用いたBCIによる眼反応時間の評価
• Abstract要約: 本稿では,脳波(EEG)とAR(AR)をベースとしたVestibular/Ocular Motor Screening(VOMS)タスクを統合した初期フレームワークを提案する。 EEG信号は、RDWT(Redundant Discrete Wavelet Transform)駆動のディープニューラルフレームワークを用いて分析される。 Pearson相関を用いてスライディング・ウインドウの予測を検証し、その後、動的時間ワープ(DTW)を用いて眼反応時間を推定した。
• 参考スコア（独自算出の注目度）: 1.7883249184785495
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mild traumatic brain injury (mTBI) is a prevalent condition that remains difficult to diagnose in its early stages. Oculomotor dysfunction is a well-established marker of mTBI, motivating the development of portable tools that capture both eye-movement behavior and underlying neurophysiology. In this work, we present an initial framework that integrates electroencephalogram (EEG) with augmented-reality (AR)-based Vestibular/Ocular Motor Screening (VOMS) tasks to estimate subject-specific ocular response times. Pre-processed EEG signals, obtained through band-pass filtering and average referencing, are analyzed using a Redundant Discrete Wavelet Transform (RDWT)-driven deep neural framework. The RDWT coefficients are subjected to trainable zero-phase convolutional filtering and reconstructed into the time domain via inverse RDWT, followed by channel-wise temporal and spatial filtering using 2D convolution layers and convolutional-LSTM-based decoding. An ablation study demonstrates that wavelet-domain filtering serves as an effective denoising strategy, improving prediction performance. Sliding-window predictions were validated using Pearson correlation (>= 0.5), and Dynamic Time Warping (DTW) was subsequently used to estimate ocular response times. DTW-derived metrics revealed significant inter-subject differences across all VOM tasks, supported by Mann-Whitney U tests. Cross-correlation analysis further revealed task-dependent temporal behaviors: pursuit tasks exhibited reactive tracking, whereas saccades showed anticipatory responses. Overall, the results highlight pursuit tasks as particularly informative for distinguishing timing differences and demonstrate the potential of RDWT-based EEG features combined with DTW metrics for multimodal mTBI assessment.
• Abstract（参考訳）: 軽度の外傷性脳損傷(mTBI)は、初期診断が困難である。 眼球運動機能障害はmTBIの確立したマーカーであり、眼球運動行動と下層の神経生理学の両方を捉えるポータブルツールの開発を動機付けている。 本研究では,脳波(EEG)と拡張現実(AR)をベースとしたVestibular/Ocular Motor Screening(VOMS)タスクを統合し,被検眼応答時間を推定する初期フレームワークを提案する。 冗長離散ウェーブレット変換(RDWT)駆動のディープニューラルフレームワークを用いて,帯域通過フィルタリングと平均参照により得られた前処理EEG信号を分析する。 RDWT係数は、訓練可能なゼロ位相畳み込みフィルタの対象となり、逆RDWTを介して時間領域に再構成され、2次元畳み込み層と畳み込みLSTMに基づくデコーディングを用いてチャネルワイズ時空間フィルタリングされる。 アブレーション研究では、ウェーブレットドメインフィルタリングが効果的なデノナイジング戦略として機能し、予測性能を向上させることが示されている。 スライディング・ウインドウ予測はピアソン相関(>=0.5)を用いて検証され、その後、動的時間ワープ(DTW)を用いて眼反応時間を推定した。 DTW由来のメトリクスは、Mann-Whitney UテストでサポートされているすべてのVOMタスク間で大きなオブジェクト間差を示した。 相互相関分析により、タスク依存の時間的行動が明らかにされた: 追跡タスクは反応追跡を示し、ササードは予測応答を示した。 全体としては、追跡タスクは、特にタイミングの違いを識別し、マルチモーダルmTBI評価のためのDTWメトリクスとRDWTベースのEEG機能の可能性を示すものである。

関連論文リスト

• PhysVR: Vision-Language Model Guided Interference-aware Temporal Feature Refinement for Remote Physiological Measurement [30.385089857503207]
  本稿では,r推定のための視覚言語モデルであるPhysVRを提案する。 並行して、凍結された視覚言語モデルは、干渉指向のプロンプトの下でサンプルされた顔フレームを処理し、エビデンスヘッドは、VLM出力から視覚的干渉証拠を抽出する。 5つの公開ベンチマーク実験により、PhysVRは、データ内およびデータ間評価プロトコルの両方において、代表的手法よりも一貫して優れていることが示された。
  論文  参考訳（メタデータ） (2026-08-30T08:56:46Z)
• Behavioral Latency as Weak Event-Time Supervision for EEG Reaction-Time Decoding [8.835986135254549]
  単回脳波分析はイベントやレイテンシを中心に行われることが多いが、EEGベースの反応時間(RT)予測は固定された刺激ロックウィンドウ上でスカラー回帰として表される。 ここでは、事象時間後部モデリングとして試行的RTデコーディングを再構成する。 そこで我々は,Healthy Brain Networkのコントラスト変化検出EEGタスクにおいて,この定式化を評価した。
  論文  参考訳（メタデータ） (2026-08-29T20:18:03Z)
• TTSD-FAR: Test-Time Self-Distillation with Fisher-Anchored Restoration for Missing-Modality Emotion Recognition in LVLMs [83.78708832901194]
  大規模ビデオ言語モデル(LVLM)は、野生のマルチモーダル感情認識(ER)のようなマルチモーダルタスクにおいて顕著なパフォーマンスを示している。 しかし、現実のデプロイメントは依然として困難であり、テスト時にモダリティが欠落したりうる。 凍結した教師が自己蒸留により適応的な低学級の生徒を指導する手法を提案する。 MELD, DFEW, BAHを0%-50%のモダリティで実験した結果, この統一型適応復元設計はエントロピーベースの適応, RAG, およびパープレキシティベースの生成より一貫して優れていた。
  論文  参考訳（メタデータ） (2026-08-18T23:40:28Z)
• Task-guided Spatiotemporal Network with Diffusion Augmentation for EEG-based Dementia Diagnosis and MMSE Prediction [7.323891662570607]
  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。
  論文  参考訳（メタデータ） (2026-04-27T02:24:08Z)
• Analyzing and Improving Diffusion Models for Time-Series Data Imputation: A Proximal Recursion Perspective [45.713195454899875]
  拡散モデル(DM)は時系列データインプットを約束している。 DMの性能は複雑なシナリオでは相容れない。 我々はSPIRIT(Semi-proximal Transport Regularized Time-Series Imputation)と呼ばれる新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-01T12:11:57Z)
• 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)
• DDaTR: Dynamic Difference-aware Temporal Residual Network for Longitudinal Radiology Report Generation [19.120393411105887]
  放射線学報告生成(RRG)は、医療画像からの放射線学レポートの作成を自動化し、報告プロセスの効率を向上する。 LRRGはRRGを拡張し、現在の検査と事前試験を比較し、臨床所見の時間的変化の追跡を容易にする。 既存のLRRGアプローチは、視覚的事前訓練エンコーダを使用して、前と現在の画像からのみ特徴を抽出し、最終的なレポートを生成する。
  論文  参考訳（メタデータ） (2025-05-06T10:29:23Z)
• ResFlow: Fine-tuning Residual Optical Flow for Event-based High Temporal Resolution Motion Estimation [50.80115710105251]
  イベントカメラは、高時間分解能(HTR)モーション推定に重要な可能性を秘めている。 イベントデータを用いてHTR光流を推定するための残差に基づくパラダイムを提案する。
  論文  参考訳（メタデータ） (2024-12-12T09:35:47Z)
• 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)
• DGSD: Dynamical Graph Self-Distillation for EEG-Based Auditory Spatial Attention Detection [49.196182908826565]
  AAD(Auditory Attention Detection)は、マルチスピーカー環境で脳信号からターゲット話者を検出することを目的としている。 現在のアプローチは主に、画像のようなユークリッドデータを処理するために設計された従来の畳み込みニューラルネットワークに依存している。 本稿では、入力として音声刺激を必要としないAADのための動的グラフ自己蒸留(DGSD)手法を提案する。
  論文  参考訳（メタデータ） (2023-09-07T13:43:46Z)
• TC-LIF: A Two-Compartment Spiking Neuron Model for Long-Term Sequential Modelling [54.97005925277638]
  潜在的な可能性や危険に関連する感覚的手がかりの同定は、長期間の遅延によって有用な手がかりを分離する無関係な事象によってしばしば複雑になる。 SNN(State-of-the-art spiking Neural Network)は、遠方のキュー間の長期的な時間的依存関係を確立する上で、依然として困難な課題である。 そこで本研究では,T-LIFとよばれる,生物学的にインスパイアされたTwo-compartment Leaky Integrate- and-Fireのスパイキングニューロンモデルを提案する。
  論文  参考訳（メタデータ） (2023-08-25T08:54:41Z)
• MMA-RNN: A Multi-level Multi-task Attention-based Recurrent Neural Network for Discrimination and Localization of Atrial Fibrillation [1.8037893225125925]
  本稿では,多段階マルチタスク・アテンションに基づくリカレントニューラルネットワークを提案する。 このモデルは、情報インタラクションを強化し、エラーの蓄積を減らすためのエンドツーエンドフレームワークとして設計されている。
  論文  参考訳（メタデータ） (2023-02-07T19:59:55Z)

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。