論文の概要: TGSD: Topology-Guided State-Space Diffusion Framework for EEG Spatial Super-Resolution

• arxiv url: http://arxiv.org/abs/2606.03998v2
• Date: Thu, 04 Jun 2026 01:58:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-07 20:42:22.591279
• Title: TGSD: Topology-Guided State-Space Diffusion Framework for EEG Spatial Super-Resolution
• Title（参考訳）: TGSD:EEG空間超解法のための位相誘導状態空間拡散フレームワーク
• Authors: Zijian Kang, Weiming Zeng, Yueyang Li, Shengyu Gong, Hongjie Yan, Wai Ting Siok, Nizhuan Wang,
• Abstract要約: 低分解能脳波はウェアラブルやIoTベースの脳波検出に適しているが、電極サンプリングには神経活動を特徴づける十分な情報がないことが多い。 EEG条件超解像拡散は、スパース記録から高密度チャネル脳波を回収することを目的としている。 脳波空間マッピングのためのトポロジ対応状態空間拡散フレームワークTGSDを提案する。
• 参考スコア（独自算出の注目度）: 4.793866271591739
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Low-density EEG is more suitable for wearable and IoT-based brain sensing, but sparse electrode sampling often lacks sufficient spatial information to characterize cross-regional neural activity. EEG spatial super-resolution aims to recover dense-channel EEG from sparse recordings, yet remains challenging because channel missingness typically occurs at the whole-channel level, spatiotemporal dependencies over the full electrode layout are often underexplored, and the mapping from sparse to dense signals is inherently ambiguous. To address these issues, we propose TGSD, a topology-guided state-space diffusion framework for EEG spatial super-resolution. TGSD first employs a Hierarchical Spatial Prior Encoder to learn topology-aware priors over the complete electrode layout by integrating local geometric relationships with region-level contextual information. Based on these priors and sparse observations, a Conditional State-Space Diffusion Reconstructor progressively generates missing-channel signals through reverse diffusion, while alternating temporal and channel-wise state-space modeling captures long-range temporal dynamics and inter-channel dependencies in a unified framework. Experiments on the SEED and PhysioNet MM/I datasets show that TGSD consistently outperforms representative baselines under different super-resolution factors in both reconstruction fidelity and downstream classification performance. These results demonstrate the effectiveness of combining topology-aware spatial priors with conditional diffusion for enhancing practical low-density EEG sensing in wearable and IoT scenarios. The official implementation code is available at https://github.com/jtggz/TGSD.
• Abstract（参考訳）: 低密度脳波は、ウェアラブルとIoTベースの脳波検出に適しているが、スパース電極サンプリングは、地域間神経活動を特徴付けるのに十分な空間情報を欠いていることが多い。 脳波空間超解像は、疎記録から高密度チャネル脳波を回復することを目的としているが、チャネルの欠如は通常チャネル全体のレベルで起こるため、完全な電極配置に対する時空間依存性はしばしば過小評価され、スパースから高密度信号へのマッピングは本質的に曖昧である。 これらの問題に対処するため,脳波空間超解像のためのトポロジ誘導状態空間拡散フレームワークTGSDを提案する。 TGSDはまず階層型空間優先エンコーダを用いて、局所的幾何学的関係と地域レベルの文脈情報を統合することで、完全な電極レイアウト上のトポロジ対応の事前情報を学習する。 これらの先行と疎度な観測に基づいて、条件付き状態空間拡散再構成器は、逆拡散により、相反するチャネル信号を生成する一方、時間的およびチャネル的状態空間モデリングの交互化は、統合されたフレームワークにおいて、長距離時間的ダイナミックスとチャネル間依存関係をキャプチャする。 SEED と PhysioNet MM/I データセットの実験では、TGSD は、再構成の忠実度と下流の分類性能の両方において、異なる超解像要因の下で、代表ベースラインを一貫して上回っている。 これらの結果は、トポロジを意識した空間前兆と条件拡散を組み合わせることで、ウェアラブルおよびIoTシナリオにおける実用的な低密度脳波センシングを向上する効果を示す。 公式実装コードはhttps://github.com/jtggz/TGSDで公開されている。

関連論文リスト

• LI-DSN: A Layer-wise Interactive Dual-Stream Network for EEG Decoding [7.8846145693499246]
  脳波のための現在のデュアルストリームニューラルネットワークは、しばしば平行分岐を通して時間的特徴と空間的特徴を独立に処理する。 本稿では,各層におけるプログレッシブ・クロスストリーム通信を容易にするレイヤワイド・インタラクティブなデュアルストリームネットワークであるLI-DSNを提案する。 LI-DSNは13の最先端(SOTA)ベースラインモデルを大幅に上回り、その優れた堅牢性とデコード性能を示している。
  論文  参考訳（メタデータ） (2026-04-02T10:52:04Z)
• 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)
• Geometry- and Relation-Aware Diffusion for EEG Super-Resolution [33.53397341962788]
  TopoDiffは、EEG空間超解像のための幾何学的および関係性を考慮した拡散モデルである。 人間の専門家が空間脳波パターンをどう解釈するかにインスパイアされたTopoDiffは、トポロジーを意識した画像埋め込みを取り入れている。 この設計により、一貫した性能向上を伴う空間基底型EEG空間超解像フレームワークが得られる。
  論文  参考訳（メタデータ） (2026-02-02T15:44:20Z)
• OptiVote: Non-Coherent FSO Over-the-Air Majority Vote for Communication-Efficient Distributed Federated Learning in Space Data Centers [68.73273027298625]
  メガコンステレーションは、宇宙データセンター(SDC)の長期的なビジョンを推進している AirCompはフリースペース(FSO)を学習するためのネットワーク内集約フレームワーク AirVoteは符号勾配(SGD)と多数符号変調(PPM)を統合し、各衛星はPPMタイムスロットを活性化することで局所勾配を伝達する。 OptiVoteは位相依存性電場重ね合わせを位相非依存光強度結合に緩和する。
  論文  参考訳（メタデータ） (2025-12-30T16:40:02Z)
• 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)
• Controllable diffusion-based generation for multi-channel biological data [66.44042377817074]
  本研究では, 構造的および空間的生物学的データに対する制御可能生成のための統合拡散フレームワークを提案する。 空間的および非空間的予測タスクにまたがって,IMCにおけるタンパク質のインパルス化や単一セルデータセットにおける遺伝子対タンパク質の予測など,最先端のパフォーマンスを示す。
  論文  参考訳（メタデータ） (2025-06-24T00:56:21Z)
• Non-Coherent Over-the-Air Decentralized Gradient Descent [0.0]
  無線システムにおける分散グラディエントDescentの実装は、ノイズ、フェーディング、帯域幅の制限により困難である。 本稿では,スケジューリング,トポロジ情報,CSIの必要性を解消するスケーラブルなDGDアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-11-19T19:15:34Z)

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。