論文の概要: Interpretable Concept-Guided Polynomial Tabular Kolmogorov-Arnold Network for EEG-Based Mild Cognitive Impairment Detection

• arxiv url: http://arxiv.org/abs/2606.25434v1
• Date: Wed, 24 Jun 2026 05:54:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 17:05:30.237699
• Title: Interpretable Concept-Guided Polynomial Tabular Kolmogorov-Arnold Network for EEG-Based Mild Cognitive Impairment Detection
• Title（参考訳）: 脳波による軽度認知障害検出のための解釈可能な概念ガイド付き多面的タブラル・コルモゴロフ・アルノルドネットワーク
• Abstract要約: 軽度認知障害(MCI)の早期かつスケーラブルな検出は、未解決の臨床課題である。 既存の研究は、生理的に組織された概念エンコーダ、クロスコンセプト相互作用モデリング、睡眠脳波に基づく検出フレームワークにおける非線形表層分類を統一するものではない。 本研究では、コルモゴロフ・アルノルドネットワーク(CPTabKAN)を用いた概念誘導多言語変換タブラルラーニングを提案する。 CPTABKAN-Second Orderは重み付きF1スコア0.9(SD 0.034)を達成し、グラディエント・ブースティングを5.65ポイント上回った。
• 参考スコア（独自算出の注目度）: 2.124023760378586
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Early and scalable detection of mild cognitive impairment (MCI) remains an unresolved clinical challenge. Existing EEG-based screening approaches are constrained by handcrafted feature pipelines that discard neurophysiologically meaningful domain structure and deep learning classifiers that sacrifice interpretability for performance. No existing work unifies physiologically organized concept encoders, cross-concept interaction modeling, and nonlinear tabular classification in a sleep EEG-based MCI detection framework. This study proposes Concept-guided Polynomial-transformed Tabular learning using Kolmogorov-Arnold Network (CPTabKAN), which maps heterogeneous EEG-derived features into domain-informed concept representations, expands them via degree-2 polynomial transformation to expose first- and second-order interactions, and applies a Fourier-parameterized TabKAN classifier to learn nonlinear decision boundaries. CPTabKAN was evaluated on the Study of Osteoporotic Fractures cohort (372 subjects, overnight polysomnography), using 1,379 features organized into ten physiologically motivated concept groups. Under 10-fold cross-validation, CPTabKAN-Second Order achieved a weighted F1-score of 0.9038 (SD 0.034), outperforming GradientBoosting by 5.65 percentage points (t(9)=1.934,p=0.043, one-sided paired test), with advantages persisting under SMOTE-based balancing. Ablation analysis confirmed independent contributions from each component. Concept importance analysis revealed that power spectral density, multi-scale entropy, and Hjorth parameters dominated first-order weights, while cross-concept interactions involving Lempel-Ziv-Welch complexity, statistics, demographics, and slow oscillations exceeded all first-order scores. These results demonstrate that concept-structured, interaction-aware tabular learning surfaces physiologically coherent reasoning, supporting clinical trust.
• Abstract（参考訳）: 軽度認知障害(MCI)の早期かつスケーラブルな検出は、未解決の臨床課題である。 既存のEEGベースのスクリーニングアプローチは、神経生理学的に意味のあるドメイン構造を捨てる手作りの機能パイプラインと、パフォーマンスの解釈性を犠牲にするディープラーニング分類器によって制約されている。 既存の研究は、生理的に組織された概念エンコーダ、クロスコンセプト相互作用モデリング、睡眠脳波に基づくMCI検出フレームワークにおける非線形表層分類を統一するものではない。 本研究では,Kolmogorov-Arnold Network (CPTabKAN) を用いた概念誘導多言語変換タブラルラーニングを提案し,不均一な脳波特徴をドメインインフォームド概念表現にマッピングし,次数2の多項式変換を用いて拡張して一階と二階の相互作用を露呈し,非線形決定境界の学習にフーリエパラメタライズされたTabKAN分類器を適用した。 CPTABKANは10種類の生理的動機を持つ概念群に分類した1,379の特徴を用いて, 骨粗しょう性骨折コホート(372名, 夜間ポリソムノグラフィー)について検討した。 10倍のクロスバリデーションの下では、CPTabKAN-Second Orderは重み付きF1スコアの0.9038 (SD 0.034)を達成し、グラディエント・ブースティングを5.65ポイント(t(9)=1.934,p=0.043、片側ペアテスト)で上回り、SMOTEベースのバランシングでは利点が持続した。 アブレーション分析により各成分の独立な寄与が確認された。 概念重要性分析の結果, パワースペクトル密度, マルチスケールエントロピー, Hjorthパラメータが一階重みを支配し, ランペルZiv-Welch複雑性, 統計, 人口統計, スロー発振を含むクロスコンセプト相互作用が全一階スコアを上回った。 これらの結果から,概念構造化された対話型表型学習は生理学的に一貫性のある推論を行い,臨床信頼を支えることが示唆された。

関連論文リスト

• EEG-Xplain: Decoding Neural Black-Boxes of EEG Foundation Models [8.430851504111585]
  BIOT、LaBraM、EEGMambaといったEEG基盤モデルは、神経信号の復号化において顕著な性能を発揮している。 異種アーキテクチャ間でEEG基盤モデルを解釈するための統合属性フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-09-14T14:56:07Z)
• ProCA: Progressive Contrastive Alignment for Robust EEG Visual Decoding [47.35612571473169]
  EEGビジュアルデコーディングは、非侵襲的な神経時系列信号から視覚的セマンティクスを回復することを目的としている。 既存の手法は固定された視覚的あるいはテキスト的アンカーに依存しており、その意味的関係は、試行錯誤、主題、学習段階によって異なる脳波表現と一致している可能性がある。 本稿では,適応型ニューラル・セマンティックアライメントのための統一的でモデルに依存しないフレームワークであるProgressive Contrastive Alignment(ProCA)を提案する。
  論文  参考訳（メタデータ） (2026-09-04T12:48:25Z)
• Taming foundation model with invariance-oriented pre-training for broad-spectrum EEG analysis across signal-level, brain-state, and brain-health tasks [46.533103231728724]
  INCEPTは11,000時間以上の非競合型臨床脳波をトレーニングした、不変指向の脳波基礎モデルである。 買収後の脳波分析の3段階にまたがる10個のデータセットの広スペクトルベンチマークでINCEPTを評価した。
  論文  参考訳（メタデータ） (2026-08-25T14:20:02Z)
• Artemis: Anatomy-Resolved inTervention for Eliminating Multimodal NeuroImage confounderS [39.37223141220675]
  マルチモーダル・ニューロイメージングは、グラフニューラルネットワークを用いた脳ネットワークの非侵襲的解析を可能にする。 年齢や性別などの人口統計学的要因は、脳の接続性と臨床結果の関係を体系的に理解している。 本稿では,各脳領域における因果的介入によってこのギャップを橋渡しする領域レベルの因果的枠組みであるArtemisを提案する。
  論文  参考訳（メタデータ） (2026-06-10T05:10:36Z)
• Comparing Post-Hoc Explainable AI Methods for Interpreting Black-Box EEG Models in Depression Detection [0.0]
  本研究では,脳波による抑うつ検出のためのインセプションタイムアーキテクチャに適用した複数のポストホック説明可能性手法について検討した。 評価により,前頭葉,側頭葉,後頭葉の脳波領域に連続的に強調される部分収束帰属パターンが認められた。 以上の結果から,脳波に基づく抑うつ検出のための深層学習モデルにおいて,様々なポストホック説明可能性アプローチが部分的に重複する関連構造を捉えていることが示唆された。
  論文  参考訳（メタデータ） (2026-05-27T18:32:57Z)
• A Neuro-Symbolic System for Interpretable Multimodal Physiological Signals Integration in Human Fatigue Detection [3.430778683859764]
  眼球運動動態,視線安定性,前頭前血行動態,マルチモーダルの4つの解釈可能な生理的概念を,視線追跡と神経血行動態,機能的近赤外分光,注意に基づくエンコーダを用いたFNIRSウィンドウから学習し,学習重量とソフトしきい値を用いた近似的推論規則と組み合わせた。 本システムは, 正確かつ解釈可能なモデルを必要とする領域であるマルチモーダル生理信号からの疲労分類に応用する。
  論文  参考訳（メタデータ） (2026-03-25T14:41:02Z)
• PathMoE: Interpretable Multimodal Interaction Experts for Pediatric Brain Tumor Classification [30.58342408480846]
  PathMoEは、H&Eスライド、病理報告、核レベルセルグラフを統合する、解釈可能なマルチモーダルフレームワークである。 内科的脳腫瘍データセットと外部TGAデータセットの2つのデータセット固有の分類タスクについて,本フレームワークの評価を行った。
  論文  参考訳（メタデータ） (2026-03-02T07:17:44Z)
• Learning Alzheimer's Disease Signatures by bridging EEG with Spiking Neural Networks and Biophysical Simulations [42.091774598477706]
  脳波に基づくアルツハイマー病検出のための従来のディープラーニングアプローチは、計算集約的で機械的に不透明である。 本稿では,データ駆動学習と生体物理シミュレーションを結びつけるニューラルネットワークフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-30T21:54:16Z)
• Semantic NLP Pipelines for Interoperable Patient Digital Twins from Unstructured EHRs [3.914632811815449]
  本稿では,自由文 EHR 音符をデジタル双対表現に変換する意味的 NLP 駆動パイプラインを提案する。 このパイプラインは、名前付きエンティティ認識(NER)を利用して臨床概念を抽出し、概念正規化によってエンティティをSNOMED-CTまたはICD-10にマッピングし、条件、薬品、観察の間の構造化された関連をキャプチャする関係抽出を行う。
  論文  参考訳（メタデータ） (2026-01-09T15:20:11Z)
• CONFIDE: Hallucination Assessment for Reliable Biomolecular Structure Prediction and Design [46.12506067241116]
  本稿では,位相的フラストレーションを定量化する自己評価尺度であるCODE(Chain of Diffusion Embeddings)を提案する。 エネルギー的およびトポロジ的視点を組み合わせた統合評価フレームワークであるCONFIDEを提案する。 データ駆動の埋め込みと理論的な洞察を組み合わせることで、CODEとConFIDEは、幅広い生体分子システムで既存の指標より優れています。
  論文  参考訳（メタデータ） (2025-11-20T03:38:46Z)
• Interpretable Neuropsychiatric Diagnosis via Concept-Guided Graph Neural Networks [56.75602443936853]
  青少年の5人に1人は、不安、うつ病、行動障害などの精神状態または行動の健康状態と診断されている。 従来の研究では、障害予測にグラフニューラルネットワーク(GNN)アプローチを使用していたが、ブラックボックスのままであり、信頼性と臨床翻訳を制限している。 本研究では,解釈可能な機能接続の概念を符号化する概念に基づく診断フレームワークを提案する。 我々の設計は臨床的に意味のある接続パターンを通じて予測を保証し、解釈可能性と強い予測性能の両方を可能にする。
  論文  参考訳（メタデータ） (2025-10-02T19:38:46Z)
• Microelectrode Signal Dynamics as Biomarkers of Subthalamic Nucleus Entry on Deep Brain Stimulation: A Nonlinear Feature Approach [0.0]
  本稿では、非線形力学とエントロピーに基づくメトリクスを利用して、STN内外から記録された神経活動の分類を行うフレームワークを提案する。 本研究は,DBS手術中におけるリアルタイム・データ駆動意思決定支援における非線形・エントロピー信号記述子の可能性を明らかにするものである。
  論文  参考訳（メタデータ） (2025-06-14T23:23:26Z)
• AnesSuite: A Comprehensive Benchmark and Dataset Suite for Anesthesiology Reasoning in LLMs [62.60333833486799]
  AnesSuiteは、LSMの麻酔学推論用に特別に設計された最初のデータセットスイートである。 Morpheusは麻酔学の推論のための最初のベースラインモデルコレクションである。
  論文  参考訳（メタデータ） (2025-04-03T08:54:23Z)
• A Knowledge-Driven Cross-view Contrastive Learning for EEG Representation [48.85731427874065]
  本稿では,限られたラベルを持つ脳波から効果的な表現を抽出する知識駆動型クロスビューコントラスト学習フレームワーク(KDC2)を提案する。 KDC2法は脳波信号の頭皮と神経のビューを生成し、脳活動の内部および外部の表現をシミュレートする。 ニューラル情報整合性理論に基づく事前のニューラル知識をモデル化することにより、提案手法は不変かつ相補的なニューラル知識を抽出し、複合表現を生成する。
  論文  参考訳（メタデータ） (2023-09-21T08:53:51Z)

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。