論文の概要: Robust Frequency-Calibrated Virtual EEG Channel Generation from Four Frontal Electrodes for Wearable EEG Augmentation
- arxiv url: http://arxiv.org/abs/2605.29263v1
- Date: Thu, 28 May 2026 02:31:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-30 05:02:24.558332
- Title: Robust Frequency-Calibrated Virtual EEG Channel Generation from Four Frontal Electrodes for Wearable EEG Augmentation
- Title（参考訳）: ウェアラブル脳波増大のための4つの前頭電極からのロバスト周波数校正仮想脳波チャネル生成
- Authors: Minghao Xiao,
- Abstract要約: FAVC-Netは、Fp1, Fp2, F7, F8から13個の未測定EEGチャネルを生成する。
このモデルは、共有マルチスケールソース符号化、ソース状態埋め込み、ターゲット条件付き署名されたソースブロック混合、GATv2ベースのアテンション改善、アテンション一貫性のあるスキップ融合、弱いウェルチ電力スペクトルのキャリブレーションを組み合わせたものである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Low-channel wearable electroencephalography (EEG) is attractive for long-term monitoring, but four frontal electrodes provide only a sparse and spatially biased view of distributed scalp activity. We present FAVC-Net, a compact frequency-calibrated virtual-channel network that generates 13 unmeasured EEG channels from Fp1, Fp2, F7, and F8. The model combines shared multi-scale source encoding, source-state embeddings, target-conditioned signed source-block mixing, GATv2-based attention refinement, attention-consistent skip fusion, and weak Welch power spectral density calibration. Rather than treating sparse-to-dense EEG generation as a purely waveform-matching task, the framework jointly emphasizes amplitude fidelity, spectral allocation, channel-frequency texture, and robustness to corrupted wearable inputs. On the PRED+CT dataset, FAVC-Net achieved the best joint waveform-spectral operating point among neural and interpolation baselines. Its time-domain gains were modest, whereas log-spectral distance and PSD KL divergence were reduced by 30.09% and 37.98% relative to the strongest non-FAVC comparator. Under wearable-like source perturbations, the model preserved spectral fidelity and resisted spectral collapse. These results support virtual EEG channel generation as a dual-domain augmentation problem, while emphasizing that generated posterior and parietal channels should be interpreted as frequency-calibrated representations derived from sparse frontal measurements rather than as independent physical recordings.
- Abstract（参考訳）: 低チャネルのウェアラブル脳波(EEG)は長期監視には魅力的だが、4つの前頭電極は分散頭皮活動のスパースで空間的に偏りがあるだけである。
FAVC-Netは、Fp1, Fp2, F7, F8から13個の未測定EEGチャネルを生成する。
このモデルは、共有マルチスケールソース符号化、ソース状態埋め込み、ターゲット条件付き署名されたソースブロック混合、GATv2ベースのアテンション改善、アテンション一貫性のあるスキップ融合、弱いウェルチ電力スペクトルのキャリブレーションを組み合わせたものである。
スパース・トゥ・ディエンス脳波生成を純粋に波形マッチングタスクとして扱うのではなく、振幅忠実度、スペクトル割り当て、チャネル周波数テクスチャ、破損したウェアラブル入力に対する堅牢性を共同で強調する。
PreD+CTデータセットにおいて、FAVC-Netはニューラルネットワークと補間ベースラインの中で最高の関節波形-スペクトル演算点を達成した。
時間領域の利得は弱かったが、対数スペクトル距離とPSD KLの偏差は最も強い非FAVCコンパレータに比べて30.09%、37.98%減少した。
ウェアラブルのような震源の摂動の下では、モデルはスペクトルの忠実さを保ち、スペクトル崩壊に抵抗した。
これらの結果は、二重領域拡張問題としての仮想脳波チャネル生成をサポートし、生成された後頭骨と頭蓋骨のチャネルは、独立した物理記録としてではなく、疎前頭骨計測から導出される周波数校正表現として解釈されるべきである、と強調した。
関連論文リスト
- SALIENT: Frequency-Aware Paired Diffusion for Controllable Long-Tail CT Detection [6.673878172809982]
制御可能なCT拡張のためのマスク条件のウェーブレットドメイン拡散フレームワークであるSALIENTを紹介する。
SALIENTは、画素空間を飾る代わりに、離散ウェーブレット係数上の構造拡散を行い、高周波構造の詳細から低周波輝度を分離する。
3D VAEは多様なボリューム障害マスクを生成し、セミ教師は下流マスク誘導検出のためのペアスライスレベル擬似ラベルを生成する。
論文 参考訳（メタデータ） (2026-02-26T19:12:15Z) - Learning to Separate RF Signals Under Uncertainty: Detect-Then-Separate vs. Unified Joint Models [53.79667447811139]
受信した信号に直接適用した場合、単一のディープニューラルネットワークアーキテクチャが共同で検出および分離することを学習していることを示す。
これらの結果から,UJM は DTS に代わるスケーラブルで実用的な代替品であり,広範に推定された統合分離のための新たな方向を開拓した。
論文 参考訳（メタデータ） (2026-02-04T15:25:02Z) - SALAD-Pan: Sensor-Agnostic Latent Adaptive Diffusion for Pan-Sharpening [50.44337053599724]
SALAD-Panは、効率的なパンシャーピングのためのセンサ非依存の潜時空間拡散法である。
バンドワイドの単一チャネルVAEを訓練し、高解像度のマルチスペクトル画像をコンパクトな潜在表現に符号化する。
拡散過程における高精度核融合と強いゼロショット(クロスセンサー)能力を実現する。
論文 参考訳（メタデータ） (2026-02-04T12:01:07Z) - Fusion of Spatio-Temporal and Multi-Scale Frequency Features for Dry Electrodes MI-EEG Decoding [5.074534303001195]
ドライ電極モータ脳波計(MI-EEG)は、高速で快適で実世界の脳コンピューターインタフェースを実現する。
しかし、ドライレコーディングは、よりベースラインドリフトの低い信号対雑音比と突然の過渡率の3つの主要な問題を引き起こす。
ドライエレクトロドMI-EEGに適した三分岐フレームワークSTGMFMを紹介する。
論文 参考訳（メタデータ） (2026-01-26T12:35:23Z) - SONAR: Spectral-Contrastive Audio Residuals for Generalizable Deepfake Detection [6.042897432654865]
Spectral-cONtrastive Audio Residuals (AR)は、ディープフェイクオーディオ検出器のための周波数誘導フレームワークである。
ARは音声信号を補完表現に切り離す。
ASVspoof 2021およびin-the-wildベンチマークで評価した。
論文 参考訳（メタデータ） (2025-11-26T12:16:38Z) - PHASE-Net: Physics-Grounded Harmonic Attention System for Efficient Remote Photoplethysmography Measurement [63.007237197267834]
既存のディープラーニング手法は、主に生理学的モニタリングであり、理論的な堅牢性を欠いている。
本研究では,Navier-Stokes方程式のヘモダイナミックスから導かれる物理インフォームド r パラダイムを提案し,パルス信号が2次系に従うことを示す。
これは、時間的円錐ネットワーク(TCN)を使用する理論的正当性を提供する。
Phase-Netは高い効率で最先端のパフォーマンスを実現し、理論上は基礎的でデプロイ可能な r ソリューションを提供する。
論文 参考訳（メタデータ） (2025-09-29T14:36:45Z) - TF-TransUNet1D: Time-Frequency Guided Transformer U-Net for Robust ECG Denoising in Digital Twin [16.693268731997996]
U-NetベースのエンコーダデコーダアーキテクチャとTransformerエンコーダを統合した,新しい1次元ディープニューラルネットワークTF-TransUNet1Dを提案する。
このモデルは、局所的な形態的特徴と長距離時間的依存関係を同時に捉えるように設計されている。
高精度デノゲーションを提供することで、この作業は心臓のデジタル双生児のための前処理パイプラインにおいて重要なギャップを埋める。
論文 参考訳（メタデータ） (2025-08-28T03:51:19Z) - DiffPR: Diffusion-Based Phase Reconstruction via Frequency-Decoupled Learning [4.560284382063488]
オフアクシス定量的位相イメージング(QPI)に深層学習を適用する場合、過平滑化は持続的な問題である。
この問題をスペクトルバイアスに追従し、ハイレベルなスキップ接続によってバイアスが強化されていることを示す。
2段階の周波数分離フレームワークであるDiffPRを紹介する。
論文 参考訳（メタデータ） (2025-06-12T17:08:45Z) - PAD: Phase-Amplitude Decoupling Fusion for Multi-Modal Land Cover Classification [49.37555541088792]
位相振幅デカップリング(PAD)は、位相(モダリティ共有)と振幅(モダリティ補完)を分離する周波数対応のフレームワークである。
この研究は、リモートセンシングにおける物理を意識したマルチモーダル融合の新しいパラダイムを確立する。
論文 参考訳（メタデータ） (2025-04-27T07:21:42Z) - Thermal coupling and effect of subharmonic synchronization in a system
of two VO2 based oscillators [55.41644538483948]
本稿では,二酸化バナジウムスイッチングデバイスを用いた振動型ニューラルネットワーク(ONN)の試作について検討する。
カップリングの効果的な作用半径RTCは、スイッチング中に放出される総エネルギーと平均出力に依存する。
強い熱カップリングの場合、振動が存在する供給電流パラメータの限界は10%拡大する。
サブハーモニック同期の効果は、分類とパターン認識への応用を約束する。
論文 参考訳（メタデータ） (2020-01-06T03:26:53Z)
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。