論文の概要: Inverse Reinforcement Learning for Interpretable Keystroke Biomarkers in Parkinson's Disease

• arxiv url: http://arxiv.org/abs/2606.25270v2
• Date: Tue, 30 Jun 2026 21:18:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-02 15:15:53.043951
• Title: Inverse Reinforcement Learning for Interpretable Keystroke Biomarkers in Parkinson's Disease
• Title（参考訳）: パーキンソン病における解釈型キーストロークバイオマーカーの逆強化学習
• Abstract要約: キーストローク力学はパーキンソン病(PD)の受動デジタルバイオマーカーとして広く研究されている。 逆強化学習(IRL)をキーストロークデータに適用し、各キーストロークをタイピング速度やリカバリよりも決定的な選択としてモデル化する。 我々の知る限り、これはIRLのキーストローク力学への最初の応用である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Keystroke dynamics have been explored extensively as a passive digital biomarker for Parkinson's disease (PD), typically by extracting summary statistics from typing timing and training a classifier to discriminate PD from healthy controls. We instead apply inverse reinforcement learning (IRL) to keystroke data, modeling each keystroke as a discrete choice over typing speed and recovering, per subject, an interpretable reward function that explains their observed timing behavior. To our knowledge this is the first application of IRL to keystroke dynamics. On the public neuroQWERTY MIT-CSXPD dataset (85 subjects, 42 with PD), an initial four-parameter reward decomposition (speed, effort, smoothness, hand-alternation cost) was found to suffer severe feature collinearity between two terms ($r=1.000$ in typical contexts); we diagnose and correct this, yielding an identifiable three-parameter model. The recovered speed-preference weight correlates with UPDRS-III severity at $r=-0.607$ ($p<0.001$, $n=42$), replicates independently across two sub-cohorts, is stable across nine sensitivity configurations, and retains a statistically significant contribution beyond raw typing speed alone (incremental $R^2$ from 0.194 to 0.338, $p=0.006$). Two other recovered weights (consistency, hand-alternation) did not survive confound checks and are reported as negative results. We document two implementation bugs found during adversarial code review (session-boundary contamination, a rolling-window data leakage) and show the headline result is materially unchanged after fixing both. We discuss this result in the context of a literature where reported accuracies vary widely between studies (pooled AUC 0.85, I^2=94% in a 2022 meta-analysis), and argue that the validation process itself, not only the correlation coefficient, is part of the contribution.
• Abstract（参考訳）: キーストローク力学はパーキンソン病(PD)の受動的デジタルバイオマーカーとして広く研究され、典型的にはタイピングタイミングから要約統計を抽出し、正常な制御からPDを識別するために分類器を訓練することで研究されている。 代わりに、キーストロークデータに逆強化学習(IRL)を適用し、各キーストロークをタイピング速度よりも離散的な選択としてモデル化し、各被験者が観察したタイミング動作を説明する解釈可能な報酬関数を復元する。 我々の知る限り、これはIRLのキーストローク力学への最初の応用である。 一般のニューロQWERTY MIT-CSXPDデータセット(被験者85名、PD42名)では、最初の4パラメータ報酬分解(速さ、労力、滑らかさ、手直しコスト)が2つの用語(典型的な文脈ではr=1.000ドル)で重篤な特徴コリニアリティに悩まされ、診断と修正を行い、3パラメータモデルを同定した。 復元された速度参照重量は、UPDRS-III重みが$r=-0.607$$$p<0.001$, $n=42$と相関し、2つのサブコホートを独立して複製し、9つの感度構成で安定し、生のタイピング速度以外の統計的に重要な寄与を保っている(0.194から0.338へR^2$, $p=0.006$)。 その他の2つの回復体重(整合性、手交互性)はコンファウンドチェックを生き残らず、負の結果として報告された。 逆コードレビュー中に見つかった2つの実装バグ(セッション境界汚染、ローリングウインドウデータ漏洩)を文書化し、その両方を修正した後、ヘッドライン結果が実質的に変化しないことを示す。 この結果は,2022年のメタアナリシスにおいてAUC 0.85, I^2=94%と評価され, 相関係数だけでなく, 検証プロセス自体も寄与の一部である,という文献の文脈で論じる。

関連論文リスト

• Not All Relations Are Equal: Relation-Balanced and Calibrated Graph Learning for Provenance-Based Intrusion Detection [66.44527094471619]
  本稿では,関係バランスの取れたグラフ学習を用いた教師なしフレームワークRECALについて述べる。 3つのDARPA E3データセットにおいて、RECALはF1スコアの99.99%、99.93%、99.99%を達成し、各データセットでそれぞれ0.88、0.82、0.42で最高のベースラインを上回っている。
  論文  参考訳（メタデータ） (2026-09-15T00:31:01Z)
• From Training to Deployment: Post-Hoc Causal Feature Identification via Sensitivity Ratios [10.912482254600478]
  既にトレーニング済みのモデルを考えると、因果関係と突発的な機能に依存していますか? 我々は,この問題に対して,ポストホックでモデルに依存しない診断法であるtextbfNormalized Sensitivity Ratio(NSR)を導入する。
  論文  参考訳（メタデータ） (2026-07-28T10:26:09Z)
• Leakage-Robust Evaluation and Data-Scale Sensitivity of Attention-Enhanced Multi-Task Learning for Joint Fault Diagnosis and Remaining Useful Life Estimation [0.0]
  マルチタスクディープラーニングモデルは、スライディングウィンドウシーケンスがトレーニングとテストセットにどのように分割されるかによって影響を受ける可能性がある。 ナイーブな分割は、真の20-60%から99.9%に分類精度を低下させる可能性がある。 チャンクベース・リーク監査分割プロトコルを導入し,5種の種子,片方向ANOVA,Tukey HSDテストを用いて全モデルを評価した。
  論文  参考訳（メタデータ） (2026-07-17T20:33:36Z)
• FedDP-PALD: A Privacy-Preserving Federated Latent Diffusion Framework with Prototype Aggregation for Medical Data Synthesis [0.6372261626436676]
  我々は、正式なプライバシー保証の下で医療データ合成のためのプライバシー保護フレームワークであるFedDP-PALDを提案する。 胸部X線画像と心電図信号を処理する。 メンバーシップ推論に強く抵抗しながら、有用な決定性能を維持するプライベートな合成表現を生成する。
  論文  参考訳（メタデータ） (2026-07-13T21:04:37Z)
• Selective Impairment of Motor Recovery from Typing Errors in Parkinson's Disease: A Survival Analysis [0.0]
  我々は、パッシブ・コレクトされたキーストローク・ダイナミクスがこれら2つのステージを区別できるかどうかを問う。 テロ前のキーストローク不安定が病気の重症度によって異なるという証拠は見つからない。 エラー後のリカバリ時間を示す強力な証拠は、継続的に加速された障害時間としてモデル化されている。
  論文  参考訳（メタデータ） (2026-06-30T17:29:21Z)
• MOSAIC: Modality-Specific Adaptation for Incremental Continual Learning in Parkinson's Disease Gait Assessment [15.590322283303385]
  歩行に基づくパーキンソン病の評価は、ますます異質なセンサーに依存している。 デバイスアップグレードやプロトコルの変更,マルチセンタ展開を通じて,新たなセンサが到着する可能性がある。 このモダリティ・インクリメンタルな設定は、信頼できないクロスモーダル蒸留、モダリティ固有の統計シフト、保存後の可塑性の減少という3つの課題に直面している。
  論文  参考訳（メタデータ） (2026-06-11T12:15:29Z)
• Bayesian Inference of Psychometric Variables From Brain and Behavior in Implicit Association Tests [0.786460153386845]
  我々は,インプリシット・アソシエーション・テスト(IAT)をデータ生成エンジンとして,神経・行動データからメンタルヘルス関連精神測定変数を推定する原理的手法を確立した。 マルチモーダルデータを利用して,精神疾患の症状に関連する経験を予測できる疎階層型ベイズモデルを提案する。
  論文  参考訳（メタデータ） (2026-03-17T16:20:55Z)
• Reward Under Attack: Analyzing the Robustness and Hackability of Process Reward Models [68.45272703833209]
  現状のPRMは、逆最適化圧力下で体系的に利用可能であることを示す。 これらの脆弱性を定量化するために、敵の圧力を増大させる3段階の診断フレームワークを導入する。 我々は、PRM-BiasBenchと診断ツールキットをリリースし、デプロイ前にロバストネスの評価を可能にする。
  論文  参考訳（メタデータ） (2026-02-20T23:38:03Z)
• On the Insecurity of Keystroke-Based AI Authorship Detection: Timing-Forgery Attacks Against Motor-Signal Verification [0.0]
  最近の提案では、AI生成コンテンツと人為的なテキストを区別するためにキーストロークタイミング信号を使うことを提唱している。 このタイプの防御は、2つの実践的な攻撃クラスに対して安全でないことを示す。 検出者がタイミングのみを観測した場合、特徴と内容の出所の相互情報はコピー型攻撃ではゼロとなる。
  論文  参考訳（メタデータ） (2026-01-24T03:39:38Z)
• LLMs Can Get "Brain Rot"! [68.08198331505695]
  ジャンクウェブテキストへの連続曝露は、大規模言語モデル(LLM)の持続的認知低下を誘導する 実Twitter/Xコーパスで制御された実験を行い、ジャンクと逆制御されたデータセットを構築します。 その結果、データ品質がLLM能力の崩壊の原因であることを示す重要な多視点的証拠が得られた。
  論文  参考訳（メタデータ） (2025-10-15T13:28:49Z)
• Real-time nonlinear inversion of magnetic resonance elastography with operator learning [0.06797079068199119]
  oNLIフレームワークは、NLIに匹敵する空間精度を持つエラストグラムのリアルタイムMREインバージョン(30,000倍高速化)を可能にする。 MRE文学におけるソフト事前正規化に類似した構造的事前機構が,空間的精度を向上させるために組み込まれている。
  論文  参考訳（メタデータ） (2025-10-03T08:55:40Z)
• Statistically Valid Variable Importance Assessment through Conditional Permutations [19.095605415846187]
  Conditional Permutation Importanceは、変数の重要度評価に対する新しいアプローチである。 我々は、$textitCPI$が、正確な型Iエラー制御を提供することで、標準置換の重要性の限界を克服していることを示す。 この結果から,$textitCPI$は置換型メソッドのドロップイン置換として簡単に利用できることが示唆された。
  論文  参考訳（メタデータ） (2023-09-14T10:53:36Z)
• Explicit Tradeoffs between Adversarial and Natural Distributional Robustness [48.44639585732391]
  実際、モデルは信頼性を確保するために両方のタイプの堅牢さを享受する必要があります。 本研究では, 対角線と自然分布の強靭性の間には, 明らかなトレードオフが存在することを示す。
  論文  参考訳（メタデータ） (2022-09-15T19:58:01Z)
• 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)
• MSED: a multi-modal sleep event detection model for clinical sleep analysis [62.997667081978825]
  ポリソムノグラムで睡眠イベントを共同検出する,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を設計した。 モデルの性能は,F1,精度,リコールスコア,および指標値と臨床値との相関で定量化した。
  論文  参考訳（メタデータ） (2021-01-07T13:08:44Z)
• Robustness to Spurious Correlations via Human Annotations [100.63051542531171]
  本稿では,人間に共通する因果関係の知識を活用して,素因関係に頑健なモデルを構築するための枠組みを提案する。 具体的には、人間のアノテーションを使用して、潜在的な未測定変数でトレーニング例を拡大する。 次に,未測定変数(UV-DRO)に対する分布性に頑健な新たな最適化手法を導入し,テスト時間シフトによる最悪の損失を制御する。
  論文  参考訳（メタデータ） (2020-07-13T20:05:19Z)

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。