論文の概要: An Exploratory Analysis of Pain Localization via Explainable Computational Modeling

• arxiv url: http://arxiv.org/abs/2607.19726v1
• Date: Wed, 22 Jul 2026 03:53:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-23 18:51:37.971695
• Title: An Exploratory Analysis of Pain Localization via Explainable Computational Modeling
• Title（参考訳）: 説明可能計算モデルによる痛み局在の探索的解析
• Abstract要約: 本稿では,古典的特徴工学と深部シークエンス学習の体系的比較を行った。 時間領域、周波数領域、モダリティ特化、およびクロスモーダル記述子にまたがる115次元の手作り機能セットを、エンド・ツー・エンドのディープ・アーキテクチャに対してベンチマークする。 極端にランダム化された木は0.539の最高マクロF1を達成し、最高の深度モデルより7.4ポイント、EDAスペクトルが支配的な差別者として出現する。
• 参考スコア（独自算出の注目度）: 7.79980827398921
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automatic pain localization, which involves identifying the anatomical origin of pain from peripheral physiological signals without patient self-report, is a clinically critical but largely unaddressed problem, particularly for non-verbal patients. This paper presents a systematic comparison of classical feature engineering and deep sequence learning for subject-independent three-class pain localization using the AI4Pain 2026 Challenge dataset, which comprises four synchronously recorded wearable modalities: electrodermal activity, blood volume pulse, respiration, and peripheral oxygen saturation recorded from 65 participants under controlled TENS-induced pain. A 115-dimensional hand-crafted feature set spanning time-domain, frequency-domain, modality-specific, and cross-modal descriptors is benchmarked against end-to-end deep architectures. Extremely Randomized Trees achieves the highest macro-F1 of 0.539, outperforming the best deep model by 7.4 percentage points, with EDA spectral features emerging as the dominant discriminators. A consistent 26-point gap between pain detection (F1\,=\,0.815) and localization (F1\,=\,0.552) across all models points to a fundamental ceiling imposed by the anatomical diffuseness of peripheral autonomic pathways at 10-second resolution.
• Abstract（参考訳）: 患者の自己申告なしに末梢生理的信号から痛みの解剖学的起源を特定することを含む、自動的に痛みの局在化は、臨床的に致命的な問題であるが、特に非言語的患者では、ほとんど適応しない問題である。 本研究は,TENSにより誘発される痛みを制御した65人の被験者から得られた,脳波,血流パルス,呼吸,末梢酸素飽和度を同期的に記録したAI4Pain 2026 Challengeデータセットを用いて,古典的特徴工学とディープシークエンスラーニングの体系的比較を行った。 時間領域、周波数領域、モダリティ特化、およびクロスモーダル記述子にまたがる115次元の手作り機能セットを、エンド・ツー・エンドのディープ・アーキテクチャに対してベンチマークする。 極端にランダム化された木は0.539の最高マクロF1を達成し、最高の深度モデルより7.4ポイント、EDAスペクトルが支配的な差別者として出現する。 全モデルにおける痛み検出(F1\,=\,0.815)と局所化(F1\,=\,0.552)の26点差は、10秒の解像度で末梢自律神経経路の解剖学的拡散によって課される基本的な天井を指す。

関連論文リスト

• Spectral Features Dominate BCG Respiratory-Event Detection: A Large-Scale Patient-Independent Comparison of Feature Groups in Sleep Apnea Patients [33.60217549899358]
  バリスト心電図(BCG)は長期睡眠時無呼吸モニタリングにおいて有望なモダリティである。 呼吸異常の検出においてどの信号の特徴が最も識別されているかは、まだ不明である。 BCG特徴群10群を文献的,患者非依存的に比較検討した。
  論文  参考訳（メタデータ） (2026-08-28T11:56:12Z)
• Leveraging a Foundation Model for the EEG-Based Diagnosis of Alzheimer's Disease [2.8158444830712175]
  大型脳モデル(LaBraM)を用いた診断フレームワークを提案する。 LaBraMは2500時間以上のEEGデータで事前トレーニングされている。
  論文  参考訳（メタデータ） (2026-08-27T21:19:26Z)
• Biosignal Fingerprinting: A Cross-Modal PPG-ECG Foundation Model [30.913143342078612]
  生体信号指紋は、患者の心臓血管状態をモダリティに依存しないプライバシー保護形態でコードする。 7つの下流タスク、クロスモーダル再構築、心臓血管疾患分類、高血圧検出、死亡予測、および人口動態予測、生体信号指紋が競争力や優れたパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-05-10T14:40:58Z)
• Abnormal Head Movements in Neurological Conditions: A Knowledge-Based Dataset with Application to Cervical Dystonia [1.9996156983758289]
  本研究では,マルチタスク抽出フレームワークを用いて構築された神経学的誘導型AHMの知識ベースデータセットであるNeuroPose-AHMを紹介する。 このデータセットは、57の神経疾患にまたがる2,756人の患者グループ記録を含み、846のAHM関連論文から得られた。
  論文  参考訳（メタデータ） (2026-04-02T12:25:59Z)
• Predicting Neuromodulation Outcome for Parkinson's Disease with Generative Virtual Brain Model [95.41752463487008]
  パーキンソン病は世界中で1千万人以上に影響している。 個人間変異は経験的治療の選択を制限し、非無視的な外科的リスクとコストを増大させる。 我々は、このギャップをトレーニング済みのファインタニングフレームワークで埋めて、静止状態fMRIから直接結果を予測する。
  論文  参考訳（メタデータ） (2026-03-31T02:36:10Z)
• Diagnostic Performance of Universal-Learning Ultrasound AI Across Multiple Organs and Tasks: the UUSIC25 Challenge [34.86849736082012]
  現在の超音波AIは、シングルタスクツールに断片化されている。 汎用AIモデルは、単一のアーキテクチャを使用して複数のタスクにわたって高い精度と効率を達成する。
  論文  参考訳（メタデータ） (2025-12-19T06:54:30Z)
• H-Infinity Filter Enhanced CNN-LSTM for Arrhythmia Detection from Heart Sound Recordings [0.7394388288509157]
  心臓不整脈の早期発見は, 心疾患の重症化を予防する。 ディープラーニングは不整脈検出を自動化する強力なツールとして登場した。 CNN-H-Infinity-LSTMアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2025-11-04T09:00:17Z)
• S4ECG: Exploring the impact of long-range interactions for arrhythmia prediction [1.6873748786804317]
  マルチエポックな不整脈分類のための構造化状態空間モデルを利用した新しいディープラーニングアーキテクチャであるS4ECGを紹介する。 共同マルチエポック予測は,マクロAUROCでは1.0-11.6%,単一エポックアプローチでは有意に優れていた。 この研究は、時間的に認識される不整脈検出アルゴリズムへのパラダイムシフトに寄与し、ECG解釈の新しい可能性を開く。
  論文  参考訳（メタデータ） (2025-10-20T10:48:44Z)
• Cross-dataset Multivariate Time-series Model for Parkinson's Diagnosis via Keyboard Dynamics [1.4895002251586484]
  パーキンソン病(PD)は世界的な課題となり、1000万人以上の人に影響を与えている。 本稿では,キーストロークダイナミックスを非侵襲的かつスケーラブルなバイオマーカーとして活用し,遠隔PDスクリーニングと遠隔監視を実現するパイプラインを提案する。
  論文  参考訳（メタデータ） (2025-10-10T17:42:08Z)
• REN: Anatomically-Informed Mixture-of-Experts for Interstitial Lung Disease Diagnosis [32.83724094606554]
  医用画像分類に特化した最初の解剖学的インフォームドMOEフレームワークであるRegional Expert Networks (REN)を紹介した。 RENは解剖学の先行技術を利用して7人の専門専門家を訓練し、それぞれ異なる肺葉と両側の肺の組み合わせに特化している。 厳密な患者レベルのクロスバリデーションを通じて、RENは強力な一般化性と臨床解釈可能性を示す。
  論文  参考訳（メタデータ） (2025-10-06T15:35:08Z)
• Latent Representations of Intracardiac Electrograms for Atrial Fibrillation Driver Detection [37.72464514643607]
  本研究では,非教師付き特徴抽出のための畳み込みオートエンコーダを用いたディープラーニングフレームワークを提案する。 心房電気活動の潜在的表現は、EMG分析の特徴づけと自動化を可能にする。 提案手法は, リアルタイムに動作可能であり, 臨床解剖学的マッピングシステムに統合することにより, アブレーション中の不整脈領域の同定を支援することができる。
  論文  参考訳（メタデータ） (2025-07-24T09:40:24Z)
• TopoTxR: A topology-guided deep convolutional network for breast parenchyma learning on DCE-MRIs [49.69047720285225]
  そこで本研究では,乳房側葉構造をよりよく近似するために,マルチスケールのトポロジ構造を明示的に抽出する新しいトポロジカルアプローチを提案する。 VICTREファントム乳房データセットを用いてemphTopoTxRを実験的に検証した。 本研究の質的および定量的分析は,乳房組織における画像診断におけるトポロジカルな挙動を示唆するものである。
  論文  参考訳（メタデータ） (2024-11-05T19:35:10Z)
• Multi-Model Ensemble Approach for Accurate Bi-Atrial Segmentation in LGE-MRI of Atrial Fibrillation Patients [3.676588766498097]
  心房細動(AF)は、心臓不整脈の最も多い形態であり、死亡率と死亡率の増加と関連している。 この研究は、Unet、ResNet、EfficientNet、VGGを含む複数の機械学習モデルを統合するアンサンブルアプローチを示し、LGE-MRIデータから自動両房セグメンテーションを実行する。
  論文  参考訳（メタデータ） (2024-09-24T13:33:46Z)
• Identification of Ischemic Heart Disease by using machine learning technique based on parameters measuring Heart Rate Variability [50.591267188664666]
  本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。 最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
  論文  参考訳（メタデータ） (2020-10-29T19:14:41Z)
• A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced Cardiac Magnetic Resonance Imaging [90.29017019187282]
  現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。 技術および生物学的指標を用いた提案アルゴリズムの解析を行った。 その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
  論文  参考訳（メタデータ） (2020-04-26T08:49:17Z)

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。