論文の概要: A spectral audit framework reveals task-dependent aperiodic reliance across EEG and ECG deep learning

• arxiv url: http://arxiv.org/abs/2606.08583v2
• Date: Mon, 15 Jun 2026 12:44:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 18:36:04.807036
• Title: A spectral audit framework reveals task-dependent aperiodic reliance across EEG and ECG deep learning
• Title（参考訳）: スペクトル監査フレームワークによる脳波と心電図の深層学習におけるタスク依存的非周期的依存の解明
• Authors: Jasmeet Singh Bindra, Siddharth Panwar,
• Abstract要約: 本稿では,周期分解・周期分解,位相保存型フーリエ介入,シャム制御,シミュレーション検証を組み合わせたスペクトル監査フレームワークを提案する。 周期的依存はタスク依存であり、6つのニューラルアーキテクチャにまたがるアーキテクチャ全般である。 PTB-XL ECGに監査を適用すると、人口統計学的マッチング後に持続する0.32--0.36の神経降下が判明した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Deep learning on physiological time series is interpreted through domain-specific features -- oscillatory rhythms in EEG, morphological complexes in ECG -- yet these signals sit atop a broadband aperiodic 1/f-like envelope that covaries with arousal, age, and pathology. We introduce a spectral audit framework combining aperiodic/periodic decomposition, phase-preserving Fourier interventions, sham controls, and simulation validation. Aperiodic reliance was task-dependent and architecture-general: across six neural architectures, flattening drops exceeded 0.42 balanced-accuracy points for sleep-wake classification, reached 0.07-0.13 for clinical abnormality detection, and remained minimal for motor imagery. Six of seven EEG foundation models showed FDR-significant aperiodic reliance on clinical EEG; age/sex and recording-era controls reduced but did not eliminate the effect. Applying the audit to PTB-XL ECG revealed neural drops of 0.32--0.36 persisting after demographic matching, confirming this confound class extends beyond EEG. Aperiodic controls should become standard for interpretable physiological time-series deep learning.
• Abstract（参考訳）: 生理的時系列の深層学習は、脳波の振動リズム、心電図のモルフォロジー複合体など、ドメイン固有の特徴を通じて解釈されるが、これらの信号は、覚醒、年齢、病理を共役するブロードバンドの1/fのようなエンベロープの上に置かれる。 本稿では,周期的/周期的な分解,位相保存型フーリエ介入,シャム制御,シミュレーション検証を組み合わせたスペクトル監査フレームワークを提案する。 周期的依存はタスクに依存し、アーキテクチャ全般で、6つのニューラルネットワークアーキテクチャで、平らなドロップは睡眠と覚醒の分類において0.42のバランスの取れた精度ポイントを超え、臨床異常検出では0.07-0.13に達し、運動画像では最小限に留まった。 7つの脳波基礎モデルのうち6つは、FDRに有意な周期的依存が臨床脳波に依存しており、年齢/性別および記録時代のコントロールは低下したが、効果は排除されなかった。 PTB-XL ECGへの監査の適用により、人口統計学的マッチング後に持続する0.32--0.36の神経症状が明らかとなり、この障害クラスが脳波を超えることが確認された。 周期的制御は、生理学的時系列深層学習の解釈に標準となるべきである。

関連論文リスト

• Motif-based morphology signatures for interpretable ECG screening and monitoring [0.2578242050187029]
  本稿では,拍動対応心電図モチーフを心電図の解釈可能なシグネチャとして定義するモチーフベースのフレームワークを提案する。 本稿では,通常の正弦律からの偏差,個人化ベースラインからの偏差,モチーフ不安定指数の3つの解釈可能なドリフト指標を紹介する。 我々は,これらの指標を,短期(PTB-XL)と長期(MIT-BIH Arrhythmia)のECGデータセットで評価した。
  論文  参考訳（メタデータ） (2026-05-26T16:15:07Z)
• Machine Learning-Based Real-Time Detection of Compensatory Trunk Movements Using Trunk-Wrist Inertial Measurement Units [0.36136619420474764]
  脳卒中後によく見られる補償幹運動(CTM)は、不適応な運動パターンを引き起こす。 本研究では,2慣性測定ユニットの構成により,機械学習を用いたリアルタイムCTM検出が可能かどうかを検討する。
  論文  参考訳（メタデータ） (2026-04-14T11:17:05Z)
• CoRe-ECG: Advancing Self-Supervised Representation Learning for 12-Lead ECG via Contrastive and Reconstructive Synergy [37.81373064028234]
  コントラスト的かつ再構成的な事前学習パラダイムであるCoRe-ECGを提案する。 CoRe-ECGは、再構成中にグローバルな表現を整列し、インスタンスレベルの識別信号によって局所的な波形回復を導出する。 本手法は,複数のダウンストリームECGデータセットにまたがる最先端の性能を実現する。
  論文  参考訳（メタデータ） (2026-04-13T11:56:43Z)
• Stringology-Based Motif Discovery from EEG Signals: an ADHD Case Study [0.0]
  弦学の手法を用いて脳波時系列を解析するための新しい計算手法を提案する。 このフレームワークは順序保存マッチング(OPM)とカルテシアンツリーマッチング(CTM)に適応し、時間的モチーフを検出する。 以上の結果から,ADHD関連脳波変化は時間的パターンの系統的変化,安定性,階層的構造に影響を及ぼすことが示唆された。
  論文  参考訳（メタデータ） (2026-03-03T19:44:55Z)
• Physiology as Language: Translating Respiration to Sleep EEG [43.02603129452492]
  本稿では,呼吸信号から睡眠脳波(EEG)を合成するクロス生理学的翻訳タスクを紹介する。 離散トークン化により脳波の標的空間を制約しながら、微細な呼吸動態を保ちながら波形条件生成フレームワークを提案する。 脳波スペクトログラム再構成では,28,000人以上の被験者を対象に,平均絶対誤差を7%以上達成している。
  論文  参考訳（メタデータ） (2026-01-31T05:44:45Z)
• 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)
• S4ECG: Exploring the impact of long-range interactions for arrhythmia prediction [1.6873748786804317]
  マルチエポックな不整脈分類のための構造化状態空間モデルを利用した新しいディープラーニングアーキテクチャであるS4ECGを紹介する。 共同マルチエポック予測は,マクロAUROCでは1.0-11.6%,単一エポックアプローチでは有意に優れていた。 この研究は、時間的に認識される不整脈検出アルゴリズムへのパラダイムシフトに寄与し、ECG解釈の新しい可能性を開く。
  論文  参考訳（メタデータ） (2025-10-20T10:48:44Z)
• Q-PART: Quasi-Periodic Adaptive Regression with Test-time Training for Pediatric Left Ventricular Ejection Fraction Regression [45.69922532213079]
  適応型左室エジェクション・フラクション(LVEF)の評価の課題に対処する。 我々はtextbfTest-time Training (Q-PART) フレームワークを用いた textbfQuasi-textbfPeriodic textbfAdaptive textbfRegression を提案する。
  論文  参考訳（メタデータ） (2025-03-06T06:24:51Z)
• Self-supervised inter-intra period-aware ECG representation learning for detecting atrial fibrillation [41.82319894067087]
  そこで本研究では,周期型ECG表現学習手法を提案する。 心房細動患者の心電図ではRR間隔の不規則性やP波の欠如を考慮し, 経時的および経時的表現のための特定の事前訓練タスクを開発する。 本手法は,発作/持続性心房細動検出のためのBTCHデータセット,textiti., 0.953/0.996におけるAUCの顕著な性能を示す。
  論文  参考訳（メタデータ） (2024-10-08T10:03:52Z)
• Generalizing electrocardiogram delineation: training convolutional neural networks with synthetic data augmentation [63.51064808536065]
  ECGのデライン化のための既存のデータベースは小さく、サイズやそれらが表す病態の配列に不足している。 まず、原データベースから抽出した基本セグメントのプールを与えられたECGトレースを確率的に合成し、その整合性のある合成トレースに配置するための一連のルールを考案した。 第二に、2つの新しいセグメンテーションに基づく損失関数が開発され、これは、正確な数の独立構造の予測を強制し、サンプル数の削減に焦点をあてて、より密接なセグメンテーション境界を創出することを目的としている。
  論文  参考訳（メタデータ） (2021-11-25T10:11:41Z)
• Recognition of Patient Groups with Sleep Related Disorders using Bio-signal Processing and Deep Learning [2.552015272583579]
  心電図(ECG)と心電図(EMG)は呼吸障害や運動関連睡眠障害の診断に用いられている。 ディープラーニングフレームワークは、EMGとECG機能を組み込むように設計されている。 この枠組みは、健常者、閉塞性睡眠時無呼吸症(OSA)患者、レスレス脚症候群(RLS)患者、およびOSAおよびRSS患者の4つのグループに分類されている。
  論文  参考訳（メタデータ） (2021-11-10T20:19:15Z)

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。