論文の概要: Temporal Generalization in fNIRS-Based Autism Classification: A Cross-Time-Window Transfer Benchmark
- arxiv url: http://arxiv.org/abs/2608.07567v1
- Date: Mon, 03 Aug 2026 18:50:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-11 19:16:36.439027
- Title: Temporal Generalization in fNIRS-Based Autism Classification: A Cross-Time-Window Transfer Benchmark
- Title（参考訳）: fNIRSに基づく自閉症分類における時間的一般化:クロスタイム・ウィンドウ・トランスファーベンチマーク
- Authors: Marios Petrov, Sahana Vinayak, Targol Bakhtiarvand, Moses Smith Guddah, Adham Atyabi, Frederick Shic, Kevin A. Pelphrey,
- Abstract要約: 機能近赤外分光法(FNIRS)は自閉症スペクトラム障害(ASD)分類において有望なモダリティである。
実際には、最適な観察窓は、血行遅延と神経血管の結合の違いにより、被験者によって異なる。
我々はこれをテキスト・クロス・タイム・ウインドウ・トランスファー問題として定式化し、生体動作試験におけるウィンドウ長(2.5～10,s)とオフセット(オフセット)の異なるプロトコルを導入する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Functional near-infrared spectroscopy (fNIRS) is a promising modality for autism spectrum disorder (ASD) classification, yet existing approaches assume temporally aligned evaluation. In practice, the optimal observation window varies across subjects due to differences in hemodynamic delay and neurovascular coupling, creating a temporal distribution shift that degrades performance. We formalize this as a \textit{cross-time-window transfer problem}, introducing a protocol that varies window length (2.5--10\,s) and offset within biological motion trials. Using topographic map representations of fNIRS recordings, we benchmark three vision architectures under two zero-shot baselines and eight adaptation strategies under leave-one-subject-out cross-validation ($N{=}124$). Key findings: (1) zero-shot cross-window accuracy is near chance (54--69\%); (2) ${\approx}5\%$ subject-specific fine-tuning recovers 90--96\%, while a subject-specific upper bound reaches 97--100\%, identifying inter-subject variability as the dominant barrier; (3) domain-adversarial and self-supervised strategies achieve 78--90\% without target-subject data; and (4) discriminative information is recoverable from windows as short as 2.5\,s. These findings provide a practical roadmap for deploying fNIRS-based ASD classifiers under realistic temporal variability.
- Abstract（参考訳）: 機能近赤外分光法(FNIRS)は自閉症スペクトラム障害(ASD)分類において有望なモダリティである。
実際には、最適な観察窓は、血行遅延と神経血管結合の違いにより被験者によって異なるため、時間的分布シフトが生じ、パフォーマンスが低下する。
本稿では,生体運動試験におけるウィンドウ長(2.5～10\,s)とオフセット(オフセット)の異なるプロトコルを導入し,これを「textit{cross-time-window transfer problem」として定式化する。
fNIRS記録の地形図表現を用いて、2つのゼロショットベースラインと8つの適応戦略の下で3つの視覚アーキテクチャをベンチマークする(N{=}124$)。
主な知見:(1)ゼロショットクロスウインドウの精度は54-69\%に近づき、(2)${\approx}5\%$主観的微調整は90-96\%に回復し、一方主観的上界は97-100\%に達し、主観的偏差を支配的障壁として特定し、(3)ドメイン・対向的・自己監督的戦略は、ターゲット・オブジェクト・データなしで78-90\%に到達し、(4)識別情報は2.5\%の短いウィンドウから復元可能である。
これらの結果は、現実的な時間的変動の下でfNIRSベースのASD分類器をデプロイするための実用的なロードマップを提供する。
関連論文リスト
- Parameter-efficient Prompt Tuning of Vision Foundation Model With Adaptive Focal Loss for Interpretable MCI Screening [1.0195618602298684]
本稿では,3つのモダリティ固有の学習可能なプロンプトトークンによって適応された凍結DINOv2適応モデルを用いたパラメータ効率のよいフレームワークを提案する。
提案したアーキテクチャでは、MCI級F1が0.641、AUCが0.795となり、計算上より重いResViTベースラインのMCI級F1では0.110を上回った。
論文 参考訳（メタデータ） (2026-07-16T14:26:22Z) - Evaluating the Effect of Frame Rate in Sequence-Based Classification of Autism-Related Self-Stimulatory Hand Idiosyncrasies [1.091319386322552]
本研究は、ビデオから自閉症関連自己刺激行動の自動検出における2つの課題に対処する。
最適なシーケンスベースのニューラルネットワークアーキテクチャと時間サンプリングレートを識別する。
また、小さな行動データセットのトレーニングのためのデータ拡張戦略も特徴付けている。
論文 参考訳（メタデータ） (2026-07-08T22:22:37Z) - Parameter-Efficient Adaptation of SAM 3 for Automated ITV Generation from 4DCT Images [0.0]
4次元CT(4DCT)は胸部解剖の完全な呼吸周期を捉えている。
現在の内部ターゲットボリューム構成プロセスは、各フェーズを分離し、時間的コヒーレンスを破棄し、フェーズ固有のアーティファクトに脆弱なままにしておく。
低ランク適応(LoRA)を介してSegment Anything Model 3(SAM3)にパラメータ効率の良い微調整を適用するフレームワークを提案する。
7つの注釈付きボリュームで、このフレームワークは全データの精度の95%以上を保持し、パイプライン全体は1つのコンシューマグレードのGPUでトレーニングできる。
論文 参考訳（メタデータ） (2026-06-14T05:12:57Z) - Differentiable latent structure discovery for interpretable forecasting in clinical time series [38.473526928012724]
連続時間多タスクガウス過程であるStructGPを導入し, 基本的不確かさを保ちながら, 相違構造学習と相違構造学習を組み合わせ, 相互依存の有向非巡回グラフ(DAG)を導出する。
LP-StructGPは,被験者特異的カップリングフィルタとソフトマックスゲーティング機構を用いて,患者間の進行パターンを捉えることで,StructGPを潜在経路に分割し,時間的に変化する軌跡を増大させる。
論文 参考訳（メタデータ） (2026-04-30T14:59:50Z) - Neuro-Oracle: A Trajectory-Aware Agentic RAG Framework for Interpretable Epilepsy Surgical Prognosis [4.726777092009554]
トラジェクトリベースの分類器は、シングルポイントのResNet-50ベースラインで0.793に対して0.834から0.905のAUC値を達成する。
i) 3Dシームスコントラストエンコーダを用いたコンパクトな512次元トラジェクトリベクトルへの術前MRI変化の除去、(ii)近辺探索による人口アーカイブからの歴史的に類似した外科的トラジェクトリの検索、(iii)定量化を用いて検索された証拠に基づいた自然言語的予後を合成する3段階のフレームワークであるEmphNeuro-Oracleを提案する。
論文 参考訳（メタデータ） (2026-04-10T21:47:25Z) - VISTA: Validation-Guided Integration of Spatial and Temporal Foundation Models with Anatomical Decoding for Rare-Pathology VCE Event Detection [39.50945484737978]
我々は、RARE-VISIONタスクを、純粋にフレームワイズな分類タスクではなく、メトリック整列イベント検出問題として定式化する。
フレームレベルの強い視覚的意味論のためのDINOv3 ViT-L/16と、局所的時間的文脈のためのEndoFM-LVの2つの相補的バックボーンを組み合わせた。
検証の短縮は、補完的なバックボーン、検証誘導融合、解剖学的に認識された時間的デコーディングが、すべてイベントレベルのパフォーマンスに寄与することを示している。
論文 参考訳（メタデータ） (2026-03-18T23:01:12Z) - Transparent Early ICU Mortality Prediction with Clinical Transformer and Per-Case Modality Attribution [42.85462513661566]
ICU滞在後48時間から, 生理的時系列測定と非構造的臨床記録とを融合した, 軽量で透明なマルチモーダルアンサンブルを提案する。
ロジスティック回帰モデルは、バイタル用双方向LSTMとノート用微調整された臨床ModernBERT変換器の2つのモード固有モデルからの予測を組み合わせる。
MIMIC-IIIベンチマークでは、遅延融合アンサンブルは、よく校正された予測を維持しながら、最高の単一モデルに対する差別を改善する。
論文 参考訳（メタデータ） (2025-11-19T20:11:49Z) - From Prototypes to Sparse ECG Explanations: SHAP-Driven Counterfactuals for Multivariate Time-Series Multi-class Classification [8.113866195465976]
本稿では,12リードのECG分類モデルに適合したスパース対実的説明を生成するためのプロトタイプ駆動型フレームワークを提案する。
本手法では、SHAPに基づくしきい値を用いて、臨界信号セグメントを特定し、インターバルルールに変換する。
提案手法の3つの変種であるOriginal, Sparse, Aligned Sparseを評価し,MIの98.9%の妥当性からハイドロフィ(HYP)検出の課題まで,クラス固有の性能について検討した。
論文 参考訳（メタデータ） (2025-10-22T12:09:50Z) - AttentiveGRUAE: An Attention-Based GRU Autoencoder for Temporal Clustering and Behavioral Characterization of Depression from Wearable Data [46.262619407930266]
本稿では,時間的クラスタリングと縦型ウェアラブルデータによる結果の予測を目的とした,新しい注意型ゲートリカレントユニット(GRU)オートエンコーダであるAttentiveGRUAEを提案する。
372名(GLOBEM 2018-2019)の長期睡眠データからAttentiveGRUAEを評価する。
これは、クラスタリングの品質と抑うつの分類の両方において、ベースラインクラスタリング、ドメイン指向の自己教師付きモデル、および改善されたモデルよりも優れたパフォーマンスを示す。
論文 参考訳（メタデータ） (2025-10-02T20:52:16Z) - A Novel Attention-Augmented Wavelet YOLO System for Real-time Brain Vessel Segmentation on Transcranial Color-coded Doppler [49.03919553747297]
我々は,脳動脈を効率よく捉えることができるAIを利用したリアルタイムCoW自動分割システムを提案する。
Transcranial Color-coded Doppler (TCCD) を用いたAIによる脳血管セグメンテーションの事前研究は行われていない。
提案したAAW-YOLOは, 異方性および対側性CoW容器のセグメンテーションにおいて高い性能を示した。
論文 参考訳（メタデータ） (2025-08-19T14:41:22Z) - AXIAL: Attention-based eXplainability for Interpretable Alzheimer's Localized Diagnosis using 2D CNNs on 3D MRI brain scans [43.06293430764841]
本研究では,3次元MRIを用いたアルツハイマー病診断の革新的手法を提案する。
提案手法では,2次元CNNがボリューム表現を抽出できるソフトアテンション機構を採用している。
ボクセルレベルの精度では、どの領域に注意が払われているかを同定し、これらの支配的な脳領域を同定する。
論文 参考訳（メタデータ） (2024-07-02T16:44:00Z)
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。