論文の概要: PHINN-EEG: Topological Time-Series Analysis of Dream-State EEG -- Dynamic Betti Curves for Dream Content Classification and Topology-Conditioned Neural Signal Synthesis

• arxiv url: http://arxiv.org/abs/2607.09662v1
• Date: Fri, 10 Jul 2026 17:59:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-13 14:47:12.921037
• Title: PHINN-EEG: Topological Time-Series Analysis of Dream-State EEG -- Dynamic Betti Curves for Dream Content Classification and Topology-Conditioned Neural Signal Synthesis
• Title（参考訳）: PHINN-EEG:Topological Time-Series Analysis of Dream-State EEG -- Dynamic Betti Curves for Dream Content Classification and Topology-Conditioned Neural Signal Synthesis
• Abstract要約: PHINN-EEGは、ドリームメント分析のための最初のトポロジカル時系列フレームワークである。 トポロジカル不変量は既存のPSDやcatch22ベンチマークを上回るように解析的に予測される。 検証された場合、この研究はニューラルレアイベント検出におけるスペクトルエネルギーから位相空間幾何学へのパラダイムシフトを表す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Current electroencephalography (EEG)-based dream detection relies on power spectral density (PSD) and statistical moment features, achieving a state-of-the-art area under the receiver operating characteristic curve (AUC) of approximately 0.70 on the DREAM database (Wong et al., 2025, Nature Communications). We introduce PHINN-EEG (Persistent Homology Inspired Neural Network for EEG), the first topological time-series framework for dream mentation analysis. Using sliding-window Takens delay embeddings and Vietoris-Rips filtrations on multichannel pre-awakening EEG epochs, we extract Dynamic Betti Curves that characterize the geometric architecture of neural activity, not merely its energy. These topological invariants, combined with topology-conditioned flow matching, are analytically projected to outperform existing PSD and catch22 benchmarks, targeting AUC = 0.82-0.90 on the 1,462-awakening open-access subset of the DREAM database (drawn from a full registry of 3,191 total awakenings from 263 participants across 20 independent laboratories). We further introduce a topology-conditioned rectified flow model for dream-state EEG synthesis-with a spectral-conditioned flow model of comparable feature dimensionality as an additional ablation baseline to isolate the value of topological conditioning specifically-and propose a set of candidate Betti transition archetypes linking topology to phenomenological dream report categories, presented as an exploratory hypothesis space pending empirical validation. If validated, this work represents a paradigm shift from spectral energy to phase-space geometry in neural rare-event detection, with potential future implications for wearable BCI dream monitoring.
• Abstract（参考訳）: 現在の脳波(EEG)に基づく夢検出は、パワースペクトル密度(PSD)と統計モーメント特性に依存し、DREAMデータベース(Wong et al , 2025, Nature Communications)で約0.70の受信機動作特性曲線(AUC)の下で最先端の領域を達成する。 本稿では,PHINN-EEG(Persistent Homology Inspired Neural Network for EEG)を紹介する。 多チャンネル前脳波エポックへの遅延埋め込みとVietoris-Ripsフィルターを用いて, 神経活動の幾何学的構造を特徴付ける動的ベティ曲線を抽出する。 これらのトポロジカル不変量とトポロジ条件のフローマッチングを組み合わせることで、既存のPSDとcatch22ベンチマークを上回り、AUC = 0.82-0.90 を DREAM データベースの 1,462 個のオープンアクセスサブセット(20の独立研究所の263人の参加者から合計3,191人の登録簿から引用)をターゲットにして分析的に予測される。 さらに、トポロジカル・コンディショニングの価値を抽出するために、トポロジカル・コンディショナードのスペクトル条件付きフローモデルを用いたドリーム状態脳波合成のためのトポロジカル・コンディショナード整流モデルを導入するとともに、経験的検証を控えた探索的仮説空間として、トポロジカル・ドリームレポートカテゴリにトポロジをリンクするベティ遷移アーキストのセットを提案する。 もし検証されたら、この研究はニューラルレアイベント検出におけるスペクトルエネルギーから位相空間幾何学へのパラダイムシフトであり、ウェアラブルBCIドリームモニタリングに潜在的に影響する可能性がある。

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)
• Learning Spatio-Temporal Foundation Models from Pure Synthetic Data [85.23980441738811]
  NeoSTは、現実バイアスに対するスケーラブルな合成学習コーパスであり、複数の将来の軌跡を反復的に生成・洗練する潜在空間推論アーキテクチャであり、構造的ダイナミクスを強調し、分散シフトの下で推論時間補正を可能にする潜在空間目的である。 様々な実世界のベンチマークによる大規模な実験は、NeoSTが様々な実世界の時間系において既存のSTFMより一貫して優れていることを示している。
  論文  参考訳（メタデータ） (2026-06-27T02:56:46Z)
• Towards Fast GNN Surrogates for CO2 Migration in Complex Geological Formations [58.079925240809644]
  本研究では, 地質ストレージにおけるCO$$$ibility plume マイグレーション予測に適したエンドツーエンドグラフニューラルネットワークサロゲートを提案する。 この方法は、CO$$ストレージシナリオを評価するために設計されたよく知られた業界テストケースであるSPE11Aベンチマークで評価される。 提案モデルでは, ガス飽和度と液相密度の競合予測を行い, 累積誤差は拡大予測地平線上では緩やかに保たれている。
  論文  参考訳（メタデータ） (2026-06-15T18:19:17Z)
• OMNIFLOW: A Physics-Grounded Multimodal Agent for Generalized Scientific Reasoning [51.33849811496781]
  大規模言語モデル (LLM) は例外的な論理的推論能力を示しているが、部分微分方程式 (PDE) による連続力学としばしば競合する。 OMNIFLOWは, 領域固有のパラメータ更新を必要とせず, 基本物理法則で凍結LDMを基底として設計したマルチモーダルシンボリックアーキテクチャである。 我々は, 微視的乱流, 理論的ナビエ・ストークス, マクロ的世界天気予報のベンチマークでこれを評価した。
  論文  参考訳（メタデータ） (2026-03-16T18:29:01Z)
• On the Impact of Graph Neural Networks in Recommender Systems: A Topological Perspective [49.391877616394765]
  レコメンデーションシステムでは、ユーザと項目の相互作用を二部グラフとしてモデル化することができる。 このグラフに基づくビューは、グラフニューラルネットワーク(GNN)の急速な採用を動機付けている。 実証的な成功にもかかわらず、GNNが他のアプローチに対して体系的な優位性を提供する理由は、まだ部分的にしか理解されていない。
  論文  参考訳（メタデータ） (2025-12-08T10:19:43Z)
• WaveNet's Precision in EEG Classification [1.0885910878567457]
  本研究では,脳波信号の生理的,病理学的,アーティファクト的,ノイズ的分類の自動化を目的としたWaveNetに基づくディープラーニングモデルを提案する。 モデルは、70/20/10%のスプリットで209,232個のサンプルをトレーニングし、検証し、テストした。 WaveNetのアーキテクチャは、もともと生音声合成のために開発されたもので、拡張因果畳み込みと残差接続を使用するため、EEGデータによく適している。
  論文  参考訳（メタデータ） (2025-10-10T09:21:21Z)
• PHASE-Net: Physics-Grounded Harmonic Attention System for Efficient Remote Photoplethysmography Measurement [63.007237197267834]
  既存のディープラーニング手法は、主に生理学的モニタリングであり、理論的な堅牢性を欠いている。 本研究では,Navier-Stokes方程式のヘモダイナミックスから導かれる物理インフォームド r パラダイムを提案し,パルス信号が2次系に従うことを示す。 これは、時間的円錐ネットワーク(TCN)を使用する理論的正当性を提供する。 Phase-Netは高い効率で最先端のパフォーマンスを実現し、理論上は基礎的でデプロイ可能な r ソリューションを提供する。
  論文  参考訳（メタデータ） (2025-09-29T14:36:45Z)
• Spatiotemporal graph neural process for reconstruction, extrapolation, and classification of cardiac trajectories [1.7123388415209657]
  この研究は、心臓の動きを解析するための柔軟なアプローチを導入している。 構造化バイオメディカル時系列データにおけるグラフベースの学習の基礎を提供する。
  論文  参考訳（メタデータ） (2025-09-16T10:57:51Z)
• Counterfactual Probabilistic Diffusion with Expert Models [44.96279296893773]
  本稿では,不完全な専門家モデルからのガイダンスを取り入れた時系列拡散に基づくフレームワークを提案する。 我々の方法であるODE-Diffは、機械的およびデータ駆動的なアプローチをブリッジし、より信頼性が高く解釈可能な因果推論を可能にする。
  論文  参考訳（メタデータ） (2025-08-18T20:44:32Z)
• Toward Foundation Model for Multivariate Wearable Sensing of Physiological Signals [2.370585289844609]
  本稿では,ウェアラブルセンシングデータから情報表現を抽出するための,最初のマルチモーダル・ユビキタス基盤モデルを提案する。 具体的には,センサ内およびセンサ間の両方の信号パターンを検出するための特別な連絡トークンを共用したチャネル認識型アテンション機構を設計する。 本モデルでは, メンタルヘルス, 身体状態推定, バイタルサイン推定, 疾患リスク評価など, 11のパブリックなウェアラブルセンシングデータセットに対して, 異常な一般化性を示す。
  論文  参考訳（メタデータ） (2024-12-12T23:35:18Z)
• Synthetic location trajectory generation using categorical diffusion models [50.809683239937584]
  拡散モデル(DPM)は急速に進化し、合成データのシミュレーションにおける主要な生成モデルの一つとなっている。 本稿では,個人が訪れた物理的位置を表す変数列である合成個別位置軌跡(ILT)の生成にDPMを用いることを提案する。
  論文  参考訳（メタデータ） (2024-02-19T15:57:39Z)
• Sequence Learning Using Equilibrium Propagation [2.3361887733755897]
  Equilibrium Propagation (EP) は、バックプロパゲーションのような従来の学習フレームワークに代わる、強力でより生物学的な代替手段である。 現代のホップフィールドネットワークにおける最近の発展を利用して、エネルギーベースモデルをさらに理解し、EPを用いた複雑なシーケンス分類タスクのためのソリューションを開発する。
  論文  参考訳（メタデータ） (2022-09-14T20:01:22Z)
• Topological EEG Nonlinear Dynamics Analysis for Emotion Recognition [20.74019148808772]
  本稿では,位相空間再構成(PSR)技術を用いて位相空間にEEG時系列を変換するトポロジカルEEG非線形力学解析手法を提案する。 提案手法をDREAMERデータセットとDEAPデータセットの2つのよく知られたベンチマークデータセットを用いて評価する。
  論文  参考訳（メタデータ） (2022-03-14T07:31:42Z)
• 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)

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。