論文の概要: Cross-Anesthetic ECoG State Decoding Fails at the Decision Threshold, Not the Representation

• arxiv url: http://arxiv.org/abs/2608.02646v1
• Date: Fri, 31 Jul 2026 17:48:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-05 15:30:22.874526
• Title: Cross-Anesthetic ECoG State Decoding Fails at the Decision Threshold, Not the Representation
• Title（参考訳）: 麻酔的ECoG状態復号は表現ではなく決定閾値で失敗する
• Authors: Kunkun Zhang, Qianwei Zhou,
• Abstract要約: マウス心電図より覚醒と麻酔を復号した。 ケタミンのランクは3つにわたってほぼ不変であり、バランスの取れた精度はチャンスから高いレベルへと変動する。 ケタミンテストセッションは、トレーニング薬にも貢献する3つのマウスから行われるため、これは薬物移動の内訳である。
• 参考スコア（独自算出の注目度）: 4.928125518786064
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Decoders of anesthetic state from cortical activity fail across drug classes, most notoriously ketamine, but reported accuracy cannot say whether the neural representation or only the decision threshold has failed; we separate the two in a controlled preparation with ground-truth labels. We decoded awake versus anesthetized from mouse electrocorticography (the 250-Hz-bandlimited local field potential, sampled at 1875 Hz) under leave-one-anesthetic-out evaluation across five mechanistically distinct anesthetics (isoflurane, dexmedetomidine, ketamine, propofol, and midazolam), comparing a spatially blind band-power decoder, covariance/Riemannian representations, and Riemannian domain adaptation, with all statistics at the session level and mouse-level cluster bootstrapping for the ketamine fold. The representation transfers: band-power ranks awake versus anesthetized at a session AUROC of at least 0.96 on every held-out drug, ketamine included (0.980, cluster confidence interval 0.821 to 1.000). The failure is confined to the threshold: across three representations the ketamine ranking is near-invariant while its balanced accuracy swings from chance to high, and a permutation test is significant for ranking (p = 0.0025) but not for fixed-threshold accuracy (p = 0.3795). Riemannian domain adaptation is net-negative. A causal, label-free threshold anchored to the subject's own pre-induction baseline fixes ketamine (balanced accuracy 0.50 to 0.85) and dominates domain adaptation. Because the ketamine test sessions come from three mice that also contribute training drugs, this is within-subject cross-drug transfer; we do not claim population-level transfer across subjects. In cross-drug state decoding the actionable failure is calibration, not representation.
• Abstract（参考訳）: 麻酔状態と皮質活動のデコーダは、最も悪名高いケタミンの薬物クラスで失敗するが、報告された正確性は、神経表現または決定しきい値のみが失敗したかどうかを判断できない。 マウス脳電図(250Hz帯局所電位:1875Hz)から採取した覚醒と麻酔 (イソフルレン, デキセデトミジン, ケタミン, プロポフォール, ミダゾラム) を, 空間的に視覚的に異なる5種類の麻酔薬(イソフルレン, デキセデトミジン, ケタミン, プロポフォール, ミダゾラム)で比較し, 空間的に盲目なバンドパワーデコーダ, 共分散・リーマン的表現, リーマン的ドメイン適応を, セッションレベルとマウスレベルのクラスタブートストラップで比較検討した。 AUROCのセッションAUROCでは、保持された薬物の少なくとも0.96以上、ケタミン(0.980、クラスタ信頼区間0.821〜1.000)が投与された。 ケタミンのランクは3つの表現でほぼ不変であり、バランスの取れた精度はチャンスから高いレベルに変動し、順列テストはランク(p = 0.0025)では重要であるが、固定閾値の精度(p = 0.3795)では重要ではない。 リーマン領域適応は純負である。 被検体自身のプレインダクションベースラインに固定された因果ラベルフリーしきい値がケタミン(平衡精度0.50〜0.85)を固定し、ドメイン適応を支配する。 ケタミンテストセッションは3つのマウスから来ており、トレーニング薬にも貢献している。 クロスドラッグ状態のデコードでは、動作可能な障害はキャリブレーションであり、表現ではない。

関連論文リスト

• Trustworthy Medical Segmentation: Uncertainty-Aware U-Net Evaluation Under Clinical Image Degradation [0.0]
  臨床劣化下での不確実性認識セグメンテーションを評価するための枠組みを提案する。 セグメンテーションの精度、校正、故障検出、選択的予測カバレッジを測定する。 これらの結果は, 医師・医師・医科医の安全層としての不確実性を考慮した推論を論じるものである。
  論文  参考訳（メタデータ） (2026-07-22T06:35:33Z)
• Monte Carlo Dropout Uncertainty and Entropy-Thresholded Selective Prediction for Architecture-Agnostic Brain Tumor MRI Triage [0.0]
  本研究は4クラス脳腫瘍MRIのための不確実性第一パイプラインを提案する。 モンテカルロ (MC) による T = 20 パス上のドロップアウトからの予測の不確実性を読み出し、その結果のエントロピーを、不確実なケースを放射線学者に延期する明示的な規則に変換する。
  論文  参考訳（メタデータ） (2026-07-15T06:21:17Z)
• Psych-ECA: A Reproducible Semi-Synthetic Benchmark for Synthetic Control Arms in Longitudinal Psychiatry [0.0]
  外部および合成制御アーム(ECA)は精神医学薬開発に参入している。 サイコECAは、うつ病、不安、精神病に対する縦断的症状の軌跡を再現可能な完全に再現可能な生成物である。 本研究では, キャリーフォワード, プールド実世界の平均値, 最寄りのマッチング, 線形混合モデル, 勾配上昇, およびScribe trajectory-bridge法にまたがる8つの推定器をベンチマークした。
  論文  参考訳（メタデータ） (2026-07-07T16:04:16Z)
• Catching One in Five: LLM-as-Judge Blind Spots in Production Multi-Turn Transaction Agents [45.148328075418156]
  デプロイされた多ターン食品・飲料注文エージェントについて検討し,実際の品質問題の数を測定した。 私たちの盲点分類は、失敗はランダムではなく構造化されていることを示している。 プロダクションマルチターンエージェントでは、自動判断はリグレッションフロアであり、人間のレビューの代わりにはならない。
  論文  参考訳（メタデータ） (2026-06-09T02:11:01Z)
• From Theory to Decision Rule: Calibrating the Noisy-Label Crossover for Vision-Language Model Weak Supervision Across Three Medical-Imaging Benchmarks [41.99844472131922]
  基礎モデル弱いラベルに対するベンチマークキャリブレーションを提供する。 理論によって予測される交差は、PCAMではng100、ISICでは20-50、NIH-CXRでは250-500である。 NIH-CXR上の構造付きvs-ランダムノイズ符号フリップは、境界のレートのみの定式化が不完全であることを示す。
  論文  参考訳（メタデータ） (2026-05-23T23:15:07Z)
• Training distribution determines the ceiling of drug-blind cancer sensitivity prediction [0.304585143845864]
  精密腫瘍学では、どの薬が特定の腫瘍をその分子プロファイルから抑制するかを予測する必要がある。 薬物表現の複雑化にもかかわらず,薬の盲目感受性の予測は低下している。
  論文  参考訳（メタデータ） (2026-05-20T08:24:56Z)
• TriALS: Triphasic-Aided Liver Lesion Segmentation Benchmark in Non-Contrast CT [49.93685997940356]
  コントラスト制限条件下での肝病変の自動分節に対するTriALSの課題について述べる。 最高性能は平均静脈圧0.754で, NCCTでは0.57に低下した。 アルゴリズムの性能は、トレーニングデータスケールと事前学習戦略によって最も強く予測された。
  論文  参考訳（メタデータ） (2026-05-15T19:23:35Z)
• Aligning to Illusions: Choice Blindness in Human and AI Feedback [2.912535004465788]
  人間の選択失明研究では、過度にスワップされた好みの91%が発見されず、選択失明は不慣れなテキストの第三者による評価比較にまで及ぶ。 検出は、真の自己監視ではなく、浅いテキストマッチングに依存している。 2つのアーキテクチャにわたる線量応答実験では、報奨信号が半減する前にラベルの6分の1から3分の1を破損させなければならない。 Best-of-N評価では、これは下流の政策劣化につながると確認されている。
  論文  参考訳（メタデータ） (2026-03-09T14:10:36Z)
• Nonlocality under Jaynes-Cummings evolution: beyond pseudospin operators [44.99833362998488]
  我々は、Jaynes-Cummings Hamiltonianにより動的に決定されるハイブリッドシナリオにおける(ベル)非局所性の生成と進化を再考する。 qubit-qudit系におけるベルの最適違反に関する最近の結果は、非局所性が以前推定されたよりもはるかに大きいことを示している。
  論文  参考訳（メタデータ） (2024-10-14T16:01:23Z)
• Deterministic Neural Networks with Appropriate Inductive Biases Capture Epistemic and Aleatoric Uncertainty [91.01037972035635]
  変化を最小限に抑えた1つのソフトマックスニューラルネットがディープアンサンブルの不確実性予測を破ることが示される。 適切な誘導バイアスで、最大で訓練されたソフトマックスニューラルネットは、特徴空間密度を通じて確実な不確実性を確実に捉えていることを示す。
  論文  参考訳（メタデータ） (2021-02-23T09:44:09Z)
• 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。