論文の概要: GenEyePose: Patient-Free, Knowledge-Based Saccadic Eye Movement Modeling for Digital Neurophysiologic Biomarker Development

• arxiv url: http://arxiv.org/abs/2606.09681v2
• Date: Tue, 09 Jun 2026 14:23:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-10 13:21:50.904502
• Title: GenEyePose: Patient-Free, Knowledge-Based Saccadic Eye Movement Modeling for Digital Neurophysiologic Biomarker Development
• Title（参考訳）: GenEyePose:デジタル神経生理学的バイオマーカー開発のための患者フリー、知識ベースサッケード眼球運動モデリング
• Authors: Tianyu Lin, Jooyoung Ryu, Puvada Sreevarsha, Rahul Srinivasaragavan, Riya Satavlekar, Susan Kim, Nidhi Soley, Yujie Yan, Ishan Vatsaraj, Carl Harris, Aimon Rahman, Vishal Patel, Joseph Greenstein, Casey Taylor, Kemar E. Green,
• Abstract要約: ササードを含む眼球運動は、神経生理学的状態の非常に敏感で客観的なバイオマーカーとして広く見なされている。 現在、プライバシー問題やデータセット不足による脳の異常のスクリーニング、トリアージ、ローカライズのための、堅牢なAI対応ビデオ電図ソリューションはありません。 全身性ササード解析のための完全合成, 患者なし, マルチモーダル眼球運動生成パイプラインを提案する。
• 参考スコア（独自算出の注目度）: 3.941624546506009
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Eye movements, including saccades, are widely regarded as highly sensitive and objective biomarkers of neurophysiologic states. Detecting saccadic signatures in neurologic diseases offers a rapid, portable alternative to brain imaging, avoiding access and cost barriers. Currently, there are no robust AI-enabled video-oculographic solutions (e.g., digital biomarkers) for screening, triaging, or localizing brain abnormalities due to privacy issues and scarce datasets. In this work, we propose the first fully synthetic, patient-free, multimodal eye movement generation pipeline for generalizable saccade analysis. Using this synthetic dataset, we trained a deep learning classifier to distinguish between normal and abnormal (hypometria and hypermetria) saccadic accuracies and evaluated its performance on real-world clinical data. The model achieved an AUROC of 0.76 and a sensitivity of 0.71, showing that the synthetic data has strong potential to generalize for clinical applications, including as a screening tool in at-home and emergency room settings or a tool for precise neuroanatomic localization.
• Abstract（参考訳）: ササードを含む眼球運動は、神経生理学的状態の非常に敏感で客観的なバイオマーカーとして広く見なされている。 神経疾患におけるサスカディックシグネチャの検出は、脳画像の高速でポータブルな代替手段となり、アクセスとコスト障壁を避けることができる。 現在、プライバシー問題やデータセット不足により脳の異常をスクリーニング、トリアージ、あるいはローカライズするための、堅牢なAI対応ビデオ画像ソリューション(例:デジタルバイオマーカー)は存在しない。 そこで本研究では, 全身性ササード解析のための, 完全合成, 患者自由, マルチモーダル眼球運動生成パイプラインを提案する。 この合成データセットを用いて,正常および異常(高メタメトリアと高メタメトリア)のサッカディックアキュラシーを識別する深層学習分類器を訓練し,実際の臨床データを用いてその性能を評価した。 このモデルはAUROCの0.76と感度0.71を達成し、自宅や救急室のスクリーニングツールや正確な神経解剖学的局所化のためのツールなど、臨床応用に強い可能性を示した。

関連論文リスト

• Image-based Quantification of Postural Deviations on Patients with Cervical Dystonia: A Machine Learning Approach Using Synthetic Training Data [42.305152571036786]
  頚部ジストニア(Cervical dystonia、CD)は、ジストニアの最も一般的な形態である。 現在の評価はトロント・ウェスタン・スパモディック・トーチコリス・レーティング・スケール(TWSTRS)のような主観的臨床評価尺度に依存している。 本研究では、16,000枚の合成アバター画像にのみ訓練された深層学習モデルと、事前訓練した頭部位置推定アルゴリズムを組み合わせた評価ツールを開発した。
  論文  参考訳（メタデータ） (2026-03-27T14:12:41Z)
• An Explainable AI-Driven Framework for Automated Brain Tumor Segmentation Using an Attention-Enhanced U-Net [0.6087515951830486]
  本稿では,実行中の注意ゲートを付加したU-Netモデルに基づく新たなセグメンテーション手法を提案する。 クラス不均衡に対応するために、標準的な分類的クロスエントロピーとともに、Dice LossやCategorical Dice Lossのような手動設計の損失関数を用いる。 提案手法は精度0.9919,Dice係数0.9901,IoU0.9873,感度0.9908,特異度0.9974で優れた性能を示した。
  論文  参考訳（メタデータ） (2026-03-24T15:42:49Z)
• A WDLoRA-Based Multimodal Generative Framework for Clinically Guided Corneal Confocal Microscopy Image Synthesis in Diabetic Neuropathy [8.701084151107652]
  糖尿病性末梢神経障害(DPN)における角膜共焦点顕微鏡による小線維損傷の評価 強靭で自動的なディープラーニングに基づく診断モデルの開発は、角膜神経形態学におけるラベル付きデータの不足ときめ細かい変化によって制限される。 臨床誘導CCM画像合成のためのWDLoRAに基づくマルチモーダル生成フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-14T09:32:44Z)
• A Semantically Enhanced Generative Foundation Model Improves Pathological Image Synthesis [82.01597026329158]
  本稿では,組織合成のための相関調整フレームワーク(CRAFTS)について紹介する。 CRAFTSは、生物学的精度を確保するためにセマンティックドリフトを抑制する新しいアライメント機構を組み込んでいる。 本モデルは,30種類の癌にまたがる多彩な病理像を生成する。
  論文  参考訳（メタデータ） (2025-12-15T10:22:43Z)
• AI-Enhanced High-Density NIRS Patch for Real-Time Brain Layer Oxygenation Monitoring in Neurological Emergencies [1.554464105856087]
  我々は、脳皮質からリアルタイムで層特異的な酸素化データを提供するために最適化されたAI駆動の高密度NIRSシステムを導入する。 提案システムは,高密度NIRS反射率データとMRIに基づく合成データセットに基づいてトレーニングされたニューラルネットワークを統合する。 シミュレーションでは、我々のAI支援NIRSは、実際の皮質酸素化と強い相関を示し、従来の方法よりも顕著に優れていた。
  論文  参考訳（メタデータ） (2025-11-06T13:45:01Z)
• Clinically-guided Data Synthesis for Laryngeal Lesion Detection [2.573786844054239]
  そこで本研究では,Lyngeal endoscopic image-annotation pairを生成するために,Latent Diffusion Model(LDM)とControlNetアダプタを併用した新しいアプローチを提案する。 提案手法はCADx/eモデルのトレーニングデータセットの拡張に有効であり,喉頭科学における評価プロセスの強化に有効である。
  論文  参考訳（メタデータ） (2025-08-08T09:55:54Z)
• Interpretable Retinal Disease Prediction Using Biology-Informed Heterogeneous Graph Representations [40.8160960729546]
  解釈可能性は、医療診断のための機械学習モデルの信頼性を高めるために不可欠である。 本研究では,確立した機械学習モデルの性能を超える手法を提案する。
  論文  参考訳（メタデータ） (2025-02-23T19:27:47Z)
• Advanced Hybrid Deep Learning Model for Enhanced Classification of Osteosarcoma Histopathology Images [0.0]
  本研究は, 小児および思春期において最も多い骨癌である骨肉腫(OS)に焦点を当て, 腕と足の長い骨に影響を及ぼす。 我々は、OSの診断精度を向上させるために、畳み込みニューラルネットワーク(CNN)と視覚変換器(ViT)を組み合わせた新しいハイブリッドモデルを提案する。 このモデルは精度99.08%、精度99.10%、リコール99.28%、F1スコア99.23%を達成した。
  論文  参考訳（メタデータ） (2024-10-29T13:54:08Z)
• Beyond the Eye: A Relational Model for Early Dementia Detection Using Retinal OCTA Images [43.73298205923969]
  早期発症アルツハイマー病 (AD) と軽度認知障害 (MCI) をコントロールから識別するために, 網膜光コヒーレンストモグラフィー (OCTA) を用いた新しいPolarNet+を提案する。 提案手法は,まずカルト座標から極座標へのOCTA画像のマッピングを行う。 次に,包括的かつ臨床的に有用な情報抽出のための3次元画像のシリアライズと解析を行う多視点モジュールを提案する。
  論文  参考訳（メタデータ） (2024-08-09T15:10:34Z)

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。