論文の概要: Sleep EEG Signal Criticality as a Non-Invasive Predictor of Cognitive Decline in Dementia

• arxiv url: http://arxiv.org/abs/2606.10889v1
• Date: Tue, 09 Jun 2026 14:02:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-10 15:40:58.536164
• Title: Sleep EEG Signal Criticality as a Non-Invasive Predictor of Cognitive Decline in Dementia
• Title（参考訳）: 認知機能低下の非侵襲的予測因子としての睡眠脳波信号臨界
• Authors: Stanisław Narębski, Tomasz Komendziński, Tomasz M. Rutkowski,
• Abstract要約: 本研究は,MFDFA(Multifractal Detrended Fluctuation Analysis)を用いて定量化した睡眠脳波信号臨界度が,将来の認知機能低下の非侵襲的バイオマーカーとして機能するかを検討した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Early detection of neurodegeneration remains a critical clinical challenge. This study investigates whether sleep EEG signal criticality, quantified via Multifractal Detrended Fluctuation Analysis (MFDFA), serves as a non-invasive biomarker for future cognitive decline. We analyzed longitudinal data from the National Sleep Research Resource (NSRR) Study of Osteoporotic Fractures (SOF) cohort, comparing baseline sleep EEG dynamics between women who remained cognitively normal and those who later progressed to dementia-related impairment ($3MS < 78$).Our results reveal significant group-level differences in Hurst exponent $H(q)$ distributions, particularly during non-REM stages N2 and N3. Cognitively healthy individuals exhibited signal dynamics significantly closer to an optimally critical state across all electrode locations ($p \leqslant 0.001$), supporting the Brain Criticality Hypothesis. Supervised UMAP projections confirmed clear spatial separation between groups throughout the overnight sleep architecture.The dementia group demonstrated a shift in DFA exponents toward $1.0$, suggesting that a reconfiguration of scale-free neural dynamics during sleep precedes clinical symptoms. These findings highlight the potential for MFDFA-derived measures to be integrated into automated, sleep-based screening tools, enabling earlier preventative interventions during the prodromal window of dementia.
• Abstract（参考訳）: 神経変性の早期発見は依然として重要な臨床的課題である。 本研究は,MFDFA(Multifractal Detrended Fluctuation Analysis)を用いて定量化した睡眠脳波信号臨界度が,将来の認知機能低下の非侵襲的バイオマーカーとして機能するかを検討した。 認知正常であった女性と認知症関連障害(3MS < 78$)に進展した女性との脳波動態を比較検討し, 骨粗しょう性骨折(SOF)コホート(以下,SOF)コホート(以下,SOF)コホート(以下,SOF)コホート(以下,SOF)コホート(以下,SOF))の経時的データと比較した。 その結果,Hurst指数$H(q)$分布,特に非REMステージN2,N3では,グループレベルの大きな差が認められた。 認知的健康な個人は、すべての電極位置において最適な臨界状態(p \leqslant 0.001$)にかなり近い信号ダイナミクスを示し、脳臨界仮説を支持した。 以上の結果から,睡眠時無スケール神経動態の再構成が臨床症状に先行する可能性が示唆された。 これらの知見は、MFDFA由来の治療法が自動睡眠ベースのスクリーニングツールに統合される可能性を示し、認知症前頭葉窓の早期の予防的介入を可能にした。

関連論文リスト

• AI Generalisation Gap In Comorbid Sleep Disorder Staging [5.137280927017341]
  iSLEEPS (iSLEEPS) を新たに導入した。 単一チャネル脳波睡眠ステージリングのためのSE-ResNet+双方向LSTMモデルの評価を行った。 健常者と疾患者のクロスドメインパフォーマンスは貧弱である。
  論文  参考訳（メタデータ） (2026-03-24T15:02:35Z)
• 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)
• Exploring the Efficacy of Convolutional Neural Networks in Sleep Apnea Detection from Single Channel EEG [0.0]
  本稿では,単一チャネル脳波データに基づいて学習した畳み込みニューラルネットワーク(CNN)を用いた睡眠時無呼吸症候群の検出手法を提案する。 提案されたCNNの精度は85.1%、マシューズ相関係数(MCC)は0.22で、家庭ベースのアプリケーションにとって大きな可能性を示した。
  論文  参考訳（メタデータ） (2025-08-16T04:58:00Z)
• AXIAL: Attention-based eXplainability for Interpretable Alzheimer's Localized Diagnosis using 2D CNNs on 3D MRI brain scans [43.06293430764841]
  本研究では,3次元MRIを用いたアルツハイマー病診断の革新的手法を提案する。 提案手法では,2次元CNNがボリューム表現を抽出できるソフトアテンション機構を採用している。 ボクセルレベルの精度では、どの領域に注意が払われているかを同定し、これらの支配的な脳領域を同定する。
  論文  参考訳（メタデータ） (2024-07-02T16:44:00Z)
• EEG-based Sleep Staging with Hybrid Attention [4.718295968108302]
  我々は、HASS(Hybrid Attention EEG Sleep Staging)と呼ばれる新しいフレームワークを提案する。 提案手法は,睡眠時脳波信号の空間的・時間的関係を捉えることの難しさを軽減する。
  論文  参考訳（メタデータ） (2023-05-16T15:37:32Z)
• Characterizing TMS-EEG perturbation indexes using signal energy: initial study on Alzheimer's Disease classification [48.42347515853289]
  経頭蓋磁気刺激(TMS)と脳波記録(TMS-EEG)を組み合わせることで、脳、特にアルツハイマー病(AD)の研究に大きな可能性を示す。 本研究では,脳機能の変化を反映した電位指標として,脳波信号のTMS誘発摂動の持続時間を自動的に決定する手法を提案する。
  論文  参考訳（メタデータ） (2022-04-29T19:27:06Z)
• A Pilot Study on Visually-Stimulated Cognitive Tasks for EEG-Based Dementia Recognition Using Frequency and Time Features [3.9728427877905568]
  本研究の目的は、健常者(NC)、軽度認知障害(MCI)、認知症(DEM)の3群における脳波(EEG)信号の差を調べることである。 4つの視覚刺激課題の脳波信号を用いた機械学習による認知症診断のパイロット研究を開発した。
  論文  参考訳（メタデータ） (2021-03-05T18:13:23Z)
• A Graph Gaussian Embedding Method for Predicting Alzheimer's Disease Progression with MEG Brain Networks [59.15734147867412]
  アルツハイマー病(AD)に関連する機能的脳ネットワークの微妙な変化を特徴付けることは、疾患進行の早期診断と予測に重要である。 我々は、多重グラフガウス埋め込みモデル(MG2G)と呼ばれる新しいディープラーニング手法を開発した。 我々はMG2Gを用いて、MEG脳ネットワークの内在性潜在性次元を検出し、軽度認知障害(MCI)患者のADへの進行を予測し、MCIに関連するネットワーク変化を伴う脳領域を同定した。
  論文  参考訳（メタデータ） (2020-05-08T02:29:24Z)
• Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
  パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。 本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-06T09:02:30Z)

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。