論文の概要: Sensory Restoration via Brain-Computer Interfaces: A Unified 2 x 2 Framework and Convergence Roadmap
- arxiv url: http://arxiv.org/abs/2606.15091v2
- Date: Wed, 17 Jun 2026 03:39:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-18 13:57:35.117824
- Title: Sensory Restoration via Brain-Computer Interfaces: A Unified 2 x 2 Framework and Convergence Roadmap
- Title（参考訳）: 脳-コンピュータインタフェースによる感覚復元:統一された2x2フレームワークと収束ロードマップ
- Authors: Xuan-The Tran,
- Abstract要約: 脳とコンピュータのインターフェイスは、感覚と運動の回復に有望な道を提供する。
科学的文献は、侵襲的な神経補綴と非侵襲的な電気生理学的デコーダの間に非常に断片化されている。
この章では、BCIを2つの軸に沿って分類する統合された2 x 2フレームワークを提案している。
- 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: Millions of individuals worldwide suffer from sensory and communication deficits caused by neurodegenerative diseases, stroke, or trauma. Brain-computer interfaces (BCIs) offer a promising avenue for sensory and motor restoration. However, the scientific literature remains highly fragmented between invasive neuroprosthetics and non-invasive electrophysiological decoders, with a lack of consistent terminology and comparison metrics. This chapter proposes a unified 2 x 2 framework categorizing BCIs along two axes: degree of invasiveness (invasive vs. non-invasive) and signal direction (afferent sensory-IN vs. efferent sensory-OUT). We define and distinguish the paradigms of restoration, substitution, and augmentation. Furthermore, we outline a structural roadmap for the convergence of these modalities over near-, medium-, and long-term horizons, focusing on physical limits and the integrative role of machine learning foundation models.
- Abstract（参考訳）: 世界中で何百万人もの人が神経変性疾患、脳卒中、外傷による感覚障害やコミュニケーション障害に悩まされている。
脳コンピュータインタフェース(BCI)は、感覚と運動の回復のための有望な道を提供する。
しかしながら、科学的文献は、一貫した用語と比較指標の欠如により、侵襲的な神経補綴学と非侵襲的な電気生理学的デコーダの間に非常に断片化されたままである。
この章では、BCIを2つの軸に沿って分類する統合された2×2フレームワークを提案している。
我々は、修復、置換、拡張のパラダイムを定義し、区別する。
さらに, 近・中・長期の地平線上におけるこれらのモダリティの収束に関する構造的ロードマップを概説し, 物理的な限界と機械学習基礎モデルの統合的役割に着目した。
関連論文リスト
- Duala: Dual-Level Alignment of Subjects and Stimuli for Cross-Subject fMRI Decoding [37.36610841961446]
クロスオブジェクト視覚デコーディングは、個人間での脳活動からの視覚体験を再構築することを目的としている。
既存の手法は、データ制限のある新しい被験者に適応する際に、しばしば劣化したパフォーマンスに悩まされる。
刺激レベルの整合性と主観レベルの整合性を実現するために設計された二重レベル整合性フレームワークであるDualaを提案する。
論文 参考訳（メタデータ） (2026-03-08T13:22:20Z) - Neurocircuitry-Inspired Hierarchical Graph Causal Attention Networks for Explainable Depression Identification [5.067010036621563]
本稿では,神経科学領域の知識を深層学習にブリッジする新しいフレームワークであるNH-GCAT(Neurocircuitry-Inspired Hierarchical Graph Causal Attention Networks)を紹介する。
提案手法では, 局所脳の局所レベルにおいて, 時間的血液酸素濃度依存性(BOLD)のダイナミックスと機能的接続パターンを融合した残差ゲート融合モジュールを設計し, 局所的うつ病関連低周波神経振動を捕捉する手法, マルチリージョン回路レベルでは, 確立されたうつ病神経回路網の組織に従って局所ノード表現を集約する階層回路符号化方式を提案する。
論文 参考訳（メタデータ） (2025-11-18T16:50:04Z) - CodeBrain: Towards Decoupled Interpretability and Multi-Scale Architecture for EEG Foundation Model [52.466542039411515]
EEGファウンデーションモデル(EFM)は、タスク固有のモデルのスケーラビリティ問題に対処するために登場した。
このギャップを埋めるために設計された2段階のEMFであるCodeBrainを紹介します。
第1段階では、異種時間・周波数の脳波信号を離散トークンに分解するTFDual-Tokenizerを導入する。
第2段階では、構造化されたグローバル畳み込みとスライディングウインドウの注意を結合したマルチスケールEEGSSMアーキテクチャを提案する。
論文 参考訳（メタデータ） (2025-06-10T17:20:39Z) - Interpretable Dual-Filter Fuzzy Neural Networks for Affective Brain-Computer Interfaces [25.445687764717167]
両フィルタファジィニューラルネットワークアーキテクチャを統合し,感情状態の検出と解釈を改善する新モデルiFuzzyAffectDuoを提案する。
機能的近赤外分光法(fNIRS)と脳波(EEG)を用いた3つの脳画像データセットのアプローチを検証する。
論文 参考訳（メタデータ） (2025-01-29T14:31:57Z) - Interpretable Spatio-Temporal Embedding for Brain Structural-Effective Network with Ordinary Differential Equation [56.34634121544929]
本研究では,まず動的因果モデルを用いて脳効果ネットワークを構築する。
次に、STE-ODE(Spatio-Temporal Embedding ODE)と呼ばれる解釈可能なグラフ学習フレームワークを導入する。
このフレームワークは、構造的および効果的なネットワーク間の動的相互作用を捉えることを目的とした、特異的に設計されたノード埋め込み層を含んでいる。
論文 参考訳（メタデータ） (2024-05-21T20:37:07Z) - MindBridge: A Cross-Subject Brain Decoding Framework [60.58552697067837]
脳の復号化は、獲得した脳信号から刺激を再構築することを目的としている。
現在、脳の復号化はモデルごとのオブジェクトごとのパラダイムに限られている。
我々は,1つのモデルのみを用いることで,オブジェクト間脳デコーディングを実現するMindBridgeを提案する。
論文 参考訳（メタデータ） (2024-04-11T15:46:42Z) - Neural-Logic Human-Object Interaction Detection [67.4993347702353]
本稿では,ニューラルロジック推論を利用した新しいHOI検出器であるL OGIC HOIと,実体間の相互作用を推測するTransformerを提案する。
具体的には,バニラトランスフォーマーの自己保持機構を改変し,人間,行動,対象>三重項を推論し,新たな相互作用を構成する。
我々はこれらの2つの特性を一階述語論理で定式化し、それらを連続空間に基底にして、我々のアプローチの学習過程を制約し、性能とゼロショットの一般化能力を向上させる。
論文 参考訳（メタデータ） (2023-11-16T11:47:53Z) - Joint fMRI Decoding and Encoding with Latent Embedding Alignment [77.66508125297754]
我々はfMRIデコーディングと符号化の両方に対処する統合フレームワークを導入する。
本モデルでは、fMRI信号から視覚刺激を同時に回復し、統合された枠組み内の画像から脳活動を予測する。
論文 参考訳（メタデータ） (2023-03-26T14:14:58Z) - Interpretable Graph Neural Networks for Connectome-Based Brain Disorder
Analysis [31.281194583900998]
本稿では、障害特異的な関心領域(ROI)と顕著なつながりを分析するための解釈可能なフレームワークを提案する。
提案するフレームワークは,脳ネットワーク指向の疾患予測のためのバックボーンモデルと,グローバルに共有された説明生成装置の2つのモジュールから構成される。
論文 参考訳（メタデータ） (2022-06-30T08:02:05Z) - Towards better Interpretable and Generalizable AD detection using
Collective Artificial Intelligence [0.0]
アルツハイマー病の診断と予後を自動化するための深層学習法が提案されている。
これらの手法は、しばしば解釈可能性と一般化の欠如に悩まされる。
我々はこれらの制限を克服するために設計された新しいディープ・フレームワークを提案する。
論文 参考訳（メタデータ） (2022-06-07T13:02:53Z) - Functional2Structural: Cross-Modality Brain Networks Representation
Learning [55.24969686433101]
脳ネットワーク上のグラフマイニングは、臨床表現型および神経変性疾患のための新しいバイオマーカーの発見を促進する可能性がある。
本稿では,Deep Signed Brain Networks (DSBN) と呼ばれる新しいグラフ学習フレームワークを提案する。
臨床表現型および神経変性疾患予測の枠組みを,2つの独立した公開データセットを用いて検証した。
論文 参考訳（メタデータ） (2022-05-06T03:45:36Z)
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。