論文の概要: RETRACE: Resilience-Guided Trait-Conditioned Craving Estimation from Wearable Physiology in Opioid Use Disorder

• arxiv url: http://arxiv.org/abs/2608.14947v2
• Date: Tue, 18 Aug 2026 00:31:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-19 13:45:32.898203
• Title: RETRACE: Resilience-Guided Trait-Conditioned Craving Estimation from Wearable Physiology in Opioid Use Disorder
• Title（参考訳）: RETRACE:オピオイド使用障害のウェアラブル生理からレジリエンスガイドによるクレービング推定
• Authors: Yi Xiao, Harshit Sharma, Dessa Bergen-Cico, Asif Salekin,
• Abstract要約: RETRACEは、ウェアラブル生理学からの主観非依存的クレービング推定のためのレジリエンス誘導フレームワークである。 本稿では、一般化可能なストレス生理学と主観的なクレービング解釈を分離した新しいデュアルエンコーダ設計を提案する。 RETRACEは最強のベースラインに対して最大7%の絶対的な改善を達成している。
• 参考スコア（独自算出の注目度）: 4.552324147638086
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Detecting opioid craving from wearable physiological signals is critical yet difficult, with the potential to support proactive interventions for individuals with opioid use disorder (OUD). This challenge is especially pronounced under subject-independent evaluation because craving is subjective, heterogeneous, and often physiologically entangled with stress. Our empirical analysis shows that stress elicits strong and reproducible autonomic responses, while craving-related signals are weaker, sparse, and largely embedded within stress-related physiology. We further show that psychological resilience, which shapes stress regulation and craving vulnerability, is not reliably observable from short-term wearable windows, but can be captured through reusable subject-level proxies, including post-stress heart-rate recovery and autobiographical memory recall. Motivated by these findings, we introduce RETRACE, a resilience-guided trait-conditioned framework for subject-independent craving estimation from wearable physiology. RETRACE reframes craving detection as trait-conditioned physiological interpretation: rather than assuming the same physiological pattern has the same meaning across individuals, it uses resilience-related subject context to guide inference. Technically, RETRACE introduces a novel dual-encoder design that separates generalizable stress physiology from subject-specific craving interpretation. It combines a frozen stress-pretrained encoder with resilience-conditioned craving encoder, using feature-level gating and representation-level fusion to enable lightweight personalization without target-user craving labels or per-user retraining. We evaluate RETRACE on a novel multimodal OUD dataset containing wearable physiology, stress and craving annotations, and autobiographical narratives. Under LOSO setup, RETRACE achieves up to 7% absolute improvement over the strongest baseline.
• Abstract（参考訳）: オピオイド使用障害(OUD)の患者に対する予防的介入を支援する可能性があるため、ウェアラブルの生理的信号からオピオイドクレービングを検出することは、非常に難しい。 この課題は特に、主観的、異質であり、しばしばストレスと結びついているため、主観的非依存的な評価の下で顕著である。 私たちの経験的分析によると、ストレスは強い、再現可能な自律神経反応を引き起こすが、クレービング関連信号は弱く、疎く、ストレス関連生理学に多く埋め込まれている。 さらに、ストレス規制や強迫的脆弱性を形作る心理的レジリエンスは、短期的なウェアラブルウィンドウでは確実に観察できないが、ストレス後の心拍数回復や自伝的記憶のリコールなど、再利用可能な主観的プロキシによって捉えられることを示す。 これらの知見に触発されたRETRACEは、ウェアラブル生理学からの主観非依存的クレービング推定のためのレジリエンス誘導特性条件付きフレームワークである。 同じ生理的パターンが個人間で同じ意味を持つと仮定するのではなく、レジリエンスに関連する主題コンテキストを用いて推論を導く。 技術的には、RETRACEは、一般化可能なストレス生理学と主題固有のクレービング解釈を分離する新しいデュアルエンコーダ設計を導入している。 フリーズストレスを前提としたエンコーダとレジリエンス条件のクレービングエンコーダを組み合わせることで、特徴レベルのゲーティングと表現レベルの融合を使用して、ターゲットユーザのクレービングラベルやユーザ単位のリトレーニングを必要とせずに、軽量なパーソナライズを可能にする。 我々は、ウェアラブルの生理学、ストレスと愛着のアノテーション、自伝的物語を含む新しいマルチモーダルOUDデータセット上でRETRACEを評価した。 LOSO設定では、RETRACEは最強のベースラインに対して最大7%の絶対的な改善を達成している。

関連論文リスト

• Representation Is Not Enough: Body-Localized Thermal Evidence for Contactless Stress and Craving Sensing in Opioid Use Disorder [2.7310171802144136]
  FABLE-Thermは最終決定まで、身体領域、時間、エンコーダ固有の表現にまたがる局所的な証拠を保存する。 オピオイド・ユース障害(OUD)ではストレスが大きな再発の引き金となり,早期回復には持続的なウェアラブルの使用が困難である。 固定熱ビデオを用いて、FABLE-Thermはホールドアウト参加者に対して0.938 AUROCを達成し、その学習された表現は自己報告のクレービングに転送される。
  論文  参考訳（メタデータ） (2026-08-17T04:30:54Z)
• Explainable graph attention network for stress recognition (StressGAT) via differential action units [0.5350912957086597]
  本研究では、急性ストレスを示す複雑な顔のダイナミクスをキャプチャするグラフ注意ネットワークであるScressGATを紹介する。 提案したモデル88.62%の精度は、被験者非依存のLeave-One-Subject-Out (LOSO)プロトコルを用いて、多様なストレス誘導コホート(58名)で達成された。
  論文  参考訳（メタデータ） (2026-07-23T01:12:28Z)
• Synheart Capacity: A Theory-Driven Physiological Representation of Cognitive Capacity Dynamics from Wearable Signals [0.0]
  本稿では,2次元の生理的表現としてキャパシティ関連認知状態をモデル化する理論駆動型フレームワークを提案する。 提案アーキテクチャは、心電図(IBI/HRV)と電磁気信号(EDA)の二重ストリーム符号化と、遅延核融合とタスク特異的出力ヘッドを組み合わせたものである。 提案した取り組み-ストレス状態空間は、異なる認知体制間の構造化された分化を可能にすることを示す。
  論文  参考訳（メタデータ） (2026-05-23T05:58:56Z)
• Cognitive Pivot Points and Visual Anchoring: Unveiling and Rectifying Hallucinations in Multimodal Reasoning Models [65.57985131861399]
  幻覚は、しばしば高いエントロピー状態を示す認知的分岐点と強く相関している。 本稿では,視覚的に認識可能な推論機能の内部化を目的とした,軽量で総合的なトレーニングパラダイムであるV-STARを提案する。
  論文  参考訳（メタデータ） (2026-04-11T13:59:05Z)
• Neural Uncertainty Principle: A Unified View of Adversarial Fragility and LLM Hallucination [60.197429875410286]
  大規模言語モデルにおける視覚と幻覚の対立的脆弱性は、伝統的に別の問題と見なされている。 損失誘起状態下でのニューラル不確実性原理(NUP)の定式化により, ほぼバウンド状態においては, さらなる圧縮は感度分散の増大を伴うことが判明した。 視覚では、高度に結合したコンポーネントをマスキングすることで、コストのかかる敵の訓練なしに堅牢性を向上させる。 言語では、任意の応答トークンを生成する前に、同じプレフィルステージプローブが幻覚リスクを検出する。
  論文  参考訳（メタデータ） (2026-03-20T02:07:10Z)
• Investigating the Generalizability of Physiological Characteristics of Anxiety [3.4036712573981607]
  不安やストレスと高覚醒感情との関連が示された生理的特徴の一般化可能性を評価する。 この研究は、心電図やEDA信号からストレスと覚醒を横断する最初のクロスコーパス評価であり、ストレス検出の一般化性に関する新たな発見に寄与した。
  論文  参考訳（メタデータ） (2024-01-23T16:49:54Z)
• fMRI from EEG is only Deep Learning away: the use of interpretable DL to unravel EEG-fMRI relationships [68.8204255655161]
  多チャンネル脳波データからいくつかの皮質下領域の活性を回復するための解釈可能な領域基底解を提案する。 我々は,皮質下核の血行動態信号の頭皮脳波予測の空間的・時間的パターンを復元する。
  論文  参考訳（メタデータ） (2022-10-23T15:11:37Z)
• Non-Singular Adversarial Robustness of Neural Networks [58.731070632586594]
  小さな入力摂動に対する過敏性のため、アドリヤルロバスト性はニューラルネットワークにとって新たな課題となっている。 我々は,データ入力とモデル重みの共振レンズを用いて,ニューラルネットワークの非特異な対角性の概念を定式化する。
  論文  参考訳（メタデータ） (2021-02-23T20:59:30Z)

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。