論文の概要: A 2-Block Architecture for Real-Time EEG Gait Decoding: A Pilot Study

• arxiv url: http://arxiv.org/abs/2608.02083v1
• Date: Mon, 03 Aug 2026 11:43:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:25.512033
• Title: A 2-Block Architecture for Real-Time EEG Gait Decoding: A Pilot Study
• Title（参考訳）: リアルタイム脳波ゲットデコーディングのための2ブロックアーキテクチャ:パイロット研究
• Abstract要約: エレクトロ脳波(EEG)による閉ループ下肢エキソ骨格制御は、運動アーチファクト、低信号-雑音比、大脳皮質歩行の複雑さを捉えるのに失敗する二分歩行定式化によって制限されている。 2ブロックのBrain-Computer Interface (BCI) アーキテクチャを提案する: リアルタイムアーティファクト抑圧とマルチドメイン特徴抽出を備えたトレーニング可能なセッション固有特徴抽出ブロックと、新しいポリノミアル時間分割層(PolyTVL)+LSTM上に構築されたデコーダブロックを併用して、4状態歩行分類を行う。
• 参考スコア（独自算出の注目度）: 2.3322477552758234
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Closed-loop lower-limb exoskeleton control via Electroencephalography (EEG) remains limited by motion artifacts, low signal-to-noise ratio, and binary gait formulations that fail to capture full cortical gait complexity. We propose a 2-block Brain-Computer Interface (BCI) architecture: a trainable session-specific Feature Extraction Block with real-time artifact suppression and multi-domain feature extraction, coupled with a Decoder Block built on a novel Polynomial Time-Varying Layer (PolyTVL)+LSTM for four-state gait classification (Stand, Initiate, Execute, Terminate). Ablation confirmed v01 (PolyTVL+LSTM) outperformed all variants (validation MCC: 0.435, gap: 0.187), with consistent EEG feature discriminability across ROIs and sub-bands (p<0.05). Closed-loop deployment with v01 achieved 55.3% (Rex-assisted) and 52.7% (volitional) gait initiation success, with a mean prediction time of 70.5~ms (+/-41.5), validating real-time feasibility in this pilot study.
• Abstract（参考訳）: エレクトロ脳波(EEG)による閉ループ下肢エキソ骨格制御は、運動アーチファクト、低信号-雑音比、大脳皮質歩行の複雑さを捉えるのに失敗する二分歩行定式化によって制限されている。 2ブロックのBrain-Computer Interface (BCI) アーキテクチャを提案する: リアルタイムアーティファクト抑圧とマルチドメイン特徴抽出を備えたトレーニング可能なセッション固有特徴抽出ブロックと、4状態歩行分類のための新しいポリノミアル時間分散層(PolyTVL)+LSTM(Stand, Initiate, Execute, Terminate)上に構築されたデコーダブロックを組み合わせる。 アブレーションによりv01(PolyTVL+LSTM)は全ての変種(バリデーションMCC:0.435、ギャップ:0.187)より優れ、ROIとサブバンド(p<0.05)で一貫したEEG特徴識別性が向上した。 v01によるクローズドループの配備は55.3%(レックスアシスト)と52.7%(オプション)の歩行開始成功となり、平均予測時間は70.5～ms (+/-41.5)となり、この試験でリアルタイム実現可能性が確認された。

関連論文リスト

• Frequency-Decorrelated Temporal Ensembles for EEG--fNIRS Imagined-Handwriting Decoding [5.096813697804564]
  Multimodal Brain-Computer Interface Grand Challenge(英語版)は、4種類の主観非依存手書き-軌道分類のための同期脳波とfNIRSを提供する。 我々は,3つの相補的な脳波の周波数ビューに基づいて,コンパクトなマルチスケール時間ネットワークを訓練するタスク適応型システムFREDを提案する。 モダリティ監査では、fNIRSのみの復号が偶然(全体の0.2511)、fNIRSをEEGに追加すると精度が0.0025に変化している。
  論文  参考訳（メタデータ） (2026-08-04T06:08:11Z)
• Machine Learning-Based Reconstruction for Resistive Silicon Sensors [53.365453214937496]
  抵抗型シリコンセンサの機械学習による再構成と圧縮について検討した。 相関パッドからのフルウェーブフォーム情報を用いて、再構成を規則化し、空間情報を抽出する。 まず、LSTM層に基づくリカレントニューラルネットワークモデルを紹介し、フルウェーブフォーム再構成のための概念実証実装を提供する。
  論文  参考訳（メタデータ） (2026-07-13T14:03:26Z)
• EEG-SpikeAgent: Agentic Closed-Loop Program Synthesis for Automated EEG Spike Detection [0.0]
  本稿では,大規模言語モデル(LLM)エージェントシステムを用いて頭皮脳波のスパイク検出のための信号処理機能を生成するクローズドループプログラム合成フレームワークであるEEG-SpikeAgentを紹介する。 イテレーション全体を通じて、EEG-SpikeAgentは、モデルパフォーマンスによって通知される候補信号の特徴と決定ルールを提案し、洗練する。
  論文  参考訳（メタデータ） (2026-07-06T00:19:41Z)
• Frozen Foundation-Model Embeddings Discard Small-Lesion Signal in Chest Radiography: Implications for Pre-Deployment Evaluation [4.181595462856913]
  我々は5つの凍結したViTと3つの大きなCXRコホートにわたるResNet-50アーキテクチャ制御を調査した。 各模型は, 実際の病変に対して, 小型の摂動パネルと領域認識型境界箱成層プローブを用いて評価した。 パネル上では、CLSの埋め込みはチャンスフロア(ROC曲線[AUC]0.500-0524の範囲)に置かれ、パッチ平均は、異色および細い細胞上のCRSと区別できない。 ChestX-Det10では、画像レベルのCLS分類はクラス内小逆数大を示した
  論文  参考訳（メタデータ） (2026-06-10T03:06:32Z)
• UTOPYA: A Multimodal Deep Learning Framework for Physics-Informed Anomaly Detection and Time-Series Prediction [42.532335022354545]
  バッチプロセスにおける異常検出は、過渡的ダイナミクス、欠陥ラベルの不足、単一モードセンサデータへの依存によって妨げられる。 本研究は, バッチ蒸留における異常検出, 時系列予測, 位相分類を共同で扱うマルチモーダルフレームワークUTOPYAを紹介する。 本研究で導入された物理インフォームド正規化スキームは、時間的滑らかさと熱力学的モノトニクスを強制する。
  論文  参考訳（メタデータ） (2026-05-18T10:28:15Z)
• UniPCB: A Generation-Assisted Detection Framework for PCB Defect Inspection [16.687894734386322]
  制御された欠陥合成とタスク固有の欠陥検出を統合した世代別PCB欠陥検査フレームワークを提案する。 DsPCBSD+の実験では、UniPCBは98.0%のmAP@0.5と61.8%のmAP@0.5:0.95の欠陥検出を達成した。
  論文  参考訳（メタデータ） (2026-05-06T08:30:27Z)
• LeWorldModel: Stable End-to-End Joint-Embedding Predictive Architecture from Pixels [49.35636088613484]
  JEPA(Joint Embedding Predictive Architectures)は、コンパクトな潜在空間で世界モデルを学習するための魅力的なフレームワークを提供する。 最初のJEPAであるLeModelWorldを紹介します。 数時間で1つのGPU上で15万のパラメータをトレーニングできるため、LeWMはファンデーションモデルベースの世界モデルよりも48倍高速に計画している。
  論文  参考訳（メタデータ） (2026-03-13T19:48:14Z)
• PRISM: Performer RS-IMLE for Single-pass Multisensory Imitation Learning [51.24484551729328]
  PRISMは,IMLEのバッチ・グロバル・リジェクション・サンプリングに基づく単一パスポリシーである。 PRISMは、Performerアーキテクチャを用いた線形アテンション発生器と時間的マルチセンサエンコーダを結合する。 7-DoFアームD1を搭載したUnitree Go2を用いたロコマニピュレーションやUR5マニピュレータを用いたテーブルトップ操作など,PRISMの有効性を実証する。
  論文  参考訳（メタデータ） (2026-02-02T17:57:37Z)
• HCFT: Hierarchical Convolutional Fusion Transformer for EEG Decoding [9.572621097681646]
  階層型脳核融合変換器(HCFT)という軽量な復号化フレームワークを提案する。 HCFTはマルチスケール表現のためにデュアルブランチエンコーダと階層トランスフォーマーブロックを組み合わせる。 その結果、HCFTは平均精度80.83%、BCI IV-2bではコーエンのカッパが0.6165であり、感度99.10%、時間当たり0.0236の偽陽性、CHB-MITでは98.82%であることがわかった。
  論文  参考訳（メタデータ） (2026-01-18T06:36:30Z)
• Hierarchical Self-Supervised Representation Learning for Depression Detection from Speech [51.14752758616364]
  音声による抑うつ検出 (SDD) は、従来の臨床評価に代わる有望で非侵襲的な代替手段である。 HAREN-CTCは,マルチタスク学習フレームワーク内でのクロスアテンションを用いて,多層SSL機能を統合した新しいアーキテクチャである。 このモデルはDAIC-WOZで0.81、MODMAで0.82の最先端マクロF1スコアを達成し、両方の評価シナリオで先行手法より優れている。
  論文  参考訳（メタデータ） (2025-10-05T09:32:12Z)
• Consistency Trajectory Models: Learning Probability Flow ODE Trajectory of Diffusion [56.38386580040991]
  Consistency Trajectory Model (CTM) は Consistency Models (CM) の一般化である CTMは、対戦訓練とスコアマッチング損失を効果的に組み合わせることで、パフォーマンスを向上させる。 CMとは異なり、CTMのスコア関数へのアクセスは、確立された制御可能/条件生成メソッドの採用を合理化することができる。
  論文  参考訳（メタデータ） (2023-10-01T05:07:17Z)

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。