論文の概要: CLSP-REQA: A Real-Time Quality-Aware Closed-Loop Seizure Prediction Framework with Mamba-BiLSTM and Confidence-Gated Intervention

• arxiv url: http://arxiv.org/abs/2606.00074v1
• Date: Thu, 21 May 2026 16:44:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-07 20:42:22.540969
• Title: CLSP-REQA: A Real-Time Quality-Aware Closed-Loop Seizure Prediction Framework with Mamba-BiLSTM and Confidence-Gated Intervention
• Title（参考訳）: CLSP-REQA: Mamba-BiLSTMと信頼性向上によるリアルタイム品質認識型クローズドループシーズーア予測フレームワーク
• Authors: Mufeng Chen, Qi Wu, Bingchao Huang, Xiwen Lai, Zekai Chen, Xinge Ouyang, Quansheng Ren,
• Abstract要約: CLSP-REQA (リアルタイム脳波品質評価によるクローズドループシーズーア予測) Real-time EEG Quality Assessment (REQA)モジュールは、Mamba-BiLSTMバックボーンと並行して動作する。 クローズドループニューロ刺激インタフェースと直接互換性のある構造付き4タプルを出力する。
• 参考スコア（独自算出の注目度）: 9.946196838806838
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reliable seizure prediction is a prerequisite for closed-loop neurostimulation therapy, yet existing methods rarely account for the variability in EEG signal quality encountered in real-world deployment, and the overwhelming majority adopt non-strict evaluation protocols that overestimate generalisation performance. We propose CLSP-REQA (Closed-Loop Seizure Prediction with Real-time EEG Quality Assessment), a unified framework that embeds a lightweight signal quality estimator directly within the prediction pipeline. A Real-time EEG Quality Assessment (REQA) module runs in parallel with a Mamba-BiLSTM backbone, producing a scalar quality score q in [0,1] that modulates output confidence through a tiered non-linear fusion function (ECLO). Under strict cross-patient evaluation on the CHB-MIT Scalp EEG Database (n = 23 subjects, 198 seizures), CLSP-REQA achieves an AUC-ROC of 0.7426 +- 0.0199, outperforming the unadapted cross-patient baseline of 0.69 reported by Jemal et al., using only 16 EEG channels compared to 23 in prior work, and without requiring any target-patient data or domain adaptation. On the SIENA Scalp EEG Database (n = 14 subjects, 47 seizures), CLSP-REQA achieves AUC 0.7012 +- 0.0249, substantially surpassing the best domain-adapted cross-patient result of 0.61 on the same dataset, demonstrating strong cross-dataset generalisation. The framework outputs a structured four-tuple (p, q, c, Phi_SHAP) directly compatible with closed-loop neurostimulator interfaces.
• Abstract（参考訳）: 信頼性の高い発作予測は、クローズドループ神経刺激療法の前提条件であるが、既存の手法では、実際の展開で発生する脳波信号品質の変動を考慮せず、圧倒的多数は、一般化性能を過大評価する非制限評価プロトコルを採用する。 CLSP-REQA(Closed-Loop Seizure Prediction with Real-time EEG Quality Assessment)を提案する。 リアルタイムEEG品質アセスメント(REQA)モジュールは、Mamba-BiLSTMバックボーンと並行して動作し、[0,1]のスカラー品質スコアqを生成し、非線形融合関数(ECLO)を介して出力信頼性を変調する。 CLSP-REQAはCHB-MIT Scalp EEG Database (n = 23 subjects, 198 seizures)の厳密なクロス患者評価のもと、AUC-ROCの0.7426 +- 0.0199を達成し、Jemalらによって報告された0.69の未適応のクロス患者ベースラインを上回り、以前の作業では23よりも16のEEGチャネルしか使用せず、対象の患者データやドメイン適応を必要としない。 SIENA Scalp EEG Database (n = 14の被験者、47の発作)では、CLSP-REQAはAUC 0.7012 +- 0.0249を達成し、同じデータセット上で0.61のドメイン適応型クロス患者結果を大幅に上回り、強力なクロスデータセットの一般化を示している。 このフレームワークは、クローズドループ神経刺激剤インタフェースと直接互換性のある構造された4タプル(p, q, c, Phi_SHAP)を出力する。

関連論文リスト

• EEG-FuseFormer: A Transformer-Driven Feature Fusion Framework for Seizure Onset Prediction [1.6078171808054218]
  発作発生の正確な予測はてんかん患者のリスクを軽減するのに役立つ。 本稿では,アセプション・オンセット予測のためのトランスフォーマーベースの機能融合フレームワークであるEEG-FuseFormerを提案する。 提案モデルでは,98.85%の平均リコールを実現し,最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2026-06-01T12:27:01Z)
• SCALE:Scalable Conditional Atlas-Level Endpoint transport for virtual cell perturbation prediction [46.645872209565574]
  仮想セル摂動予測のための大規模基盤モデルを提案する。 まず、データスループットを大幅に改善するBioNeMoベースのトレーニングおよび推論フレームワークを構築します。 第二に、摂動予測を条件付き輸送として定式化し、それをセットアウェアフローアーキテクチャで実装する。 第3に,生物学的に有意な指標に基づく厳密なセルレベルプロトコルを用いて,Tahoe-100Mのモデルを評価する。
  論文  参考訳（メタデータ） (2026-03-18T05:51:08Z)
• PREBA: Surgical Duration Prediction via PCA-Weighted Retrieval-Augmented LLMs and Bayesian Averaging Aggregation [51.96735866702332]
  PreBAはPCA重み付き検索とベイズ平均アグリゲーションを統合した検索拡張フレームワークである。 例えば、PreBAはパフォーマンスを大幅に改善し、MAEを最大40%削減し、ゼロショット推論でR2を-0.13から0.62に引き上げる。
  論文  参考訳（メタデータ） (2026-02-27T07:19:23Z)
• Suppressing Prior-Comparison Hallucinations in Radiology Report Generation via Semantically Decoupled Latent Steering [94.37535002230504]
  本研究では,Semantically Decoupled Latent Steeringと呼ばれる学習自由な推論時間制御フレームワークを開発した。 提案手法は,大言語モデル (LLM) による意味分解による意味のない介入ベクトルを構築する。 本手法は歴史的幻覚の可能性を著しく低下させることを示す。
  論文  参考訳（メタデータ） (2026-02-27T04:49:01Z)
• 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)
• Quantum Machine Learning for Predicting Anastomotic Leak: A Clinical Study [0.16777183511743468]
  AL(Anastomotic leak)は,大腸癌術後の合併症である。 本研究では、AL予測のための量子ニューラルネットワーク(QNN)の可能性について検討する。
  論文  参考訳（メタデータ） (2025-06-02T14:13:10Z)
• CRTRE: Causal Rule Generation with Target Trial Emulation Framework [47.2836994469923]
  ターゲットトライアルエミュレーションフレームワーク(CRTRE)を用いた因果ルール生成という新しい手法を提案する。 CRTREは、アソシエーションルールの因果効果を推定するためにランダム化トライアル設計原則を適用している。 次に、病気発症予測などの下流アプリケーションにそのような関連ルールを組み込む。
  論文  参考訳（メタデータ） (2024-11-10T02:40:06Z)
• Enhancing Glucose Level Prediction of ICU Patients through Hierarchical Modeling of Irregular Time-Series [4.101915841246237]
  本研究は, ICU患者における血糖値の予測を目的としたMulti-source Irregular Time-Series Transformer (MITST) を提案する。 MITSTは様々な臨床データ(検査結果、薬品、バイタルサインを含む)を事前に定義された集計なしで統合する。 MITSTは、AUROCで1.7ポイント(pp)、AUPRCで1.8ppという統計学的に有意な(p 0.001 )改善を達成している。
  論文  参考訳（メタデータ） (2024-11-03T03:03:11Z)

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。