論文の概要: ViTexSZ: Heterogeneous Vision-Text Knowledge Distillation for EEG Seizure Detection
- arxiv url: http://arxiv.org/abs/2608.21445v1
- Date: Wed, 19 Aug 2026 11:55:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-25 13:29:43.110013
- Title: ViTexSZ: Heterogeneous Vision-Text Knowledge Distillation for EEG Seizure Detection
- Title（参考訳）: ViTexSZ:脳波シーズール検出のための不均一な視覚テキスト知識蒸留
- Abstract要約: 脳波発作検出のための不均一なビジョンテキスト知識蒸留フレームワークであるViTexSZを紹介する。
ViTexSZは、EEG記録を構造化波形画像に変換し、クエリベースのマルチチャネルアライメントモジュールを導入する。
4つの脳波発作データセットの実験は、サブクリニカルおよび一般的な発作検出シナリオの両方にわたるViTexSZの一般化可能性を示している。
- 参考スコア（独自算出の注目度）: 26.70039410152491
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automated seizure detection from electroencephalography (EEG) is essential for continuous neurological monitoring, particularly for subclinical epileptic seizures that may exhibit only subtle electrographic changes. Existing time-series methods are often designed for fixed EEG channel configurations, thereby limiting their applicability to heterogeneous EEG recordings with irregular channel layouts. Although visual and language modeling offer promising alternatives, aligning heterogeneous EEG representations with clinical semantics remains challenging. We introduce ViTexSZ, a heterogeneous Vision-Text knowledge distillation framework for EEG seizure detection. ViTexSZ converts EEG recordings into structured waveform images and introduces a query-based multi-channel alignment module that maps source-dependent visual features into a unified token space. A heterogeneous teacher further integrates the aligned EEG representations with clinical prompts through a multimodal large language model, associating high-level clinical semantics with seizure-related evidence. Vision-text knowledge distillation then transfers the teacher representations to a lightweight student during detection. Experiments on four EEG seizure datasets demonstrate the generalizability of ViTexSZ across both subclinical and general seizure detection scenarios, achieving the highest accuracy on all datasets and relative improvements of up to 12.9% over the second-best baselines, showing its effectiveness.
- Abstract（参考訳）: 脳波による自動発作検出は、特に微妙な電顕的変化のみを呈する下肢てんかん発作に対して、継続的な神経学的モニタリングに不可欠である。
既存の時系列法は、固定されたEEGチャネル構成のためにしばしば設計され、不規則なチャネルレイアウトを持つ異種脳波記録に適用性を制限する。
視覚と言語モデリングは有望な代替手段を提供するが、異種脳波表現と臨床的意味論の整合性は依然として困難である。
脳波発作検出のための不均一なビジョンテキスト知識蒸留フレームワークであるViTexSZを紹介する。
ViTexSZはEEG記録を構造化波形画像に変換し、ソース依存の視覚特徴を統一トークン空間にマッピングするクエリベースのマルチチャネルアライメントモジュールを導入する。
不均一な教師は、多モーダルな大言語モデルを通じて、整列した脳波表現と臨床プロンプトを更に統合し、高レベルな臨床的意味論と発作に関連する証拠を関連付ける。
視覚テキストによる知識蒸留は、検出中に教師表現を軽量の学生に転送する。
4つの脳波発作データセットの実験は、サブクリニカルおよび一般的な発作検出シナリオの両方でViTexSZの一般化可能性を示し、全てのデータセットで最高精度を達成し、第2ベットベースラインで最大12.9%の相対的な改善を実現し、その有効性を示している。
関連論文リスト
- What Does the Brain See? Multiview Neural Representations to Demystify the Brain-Visual Alignment [16.54359569394021]
脳の反応を視覚的セマンティックな埋め込みと整合させるための統合型多視点脳波表現学習フレームワークを提案する。
提案手法は,物体内部設定において54.8%のTop-1,85.6%のTop-5,クロスオブジェクト設定では15.3%のTop-1,45.4%のTop-5の精度を有する。
論文 参考訳（メタデータ） (2026-06-24T11:33:21Z) - Optimizing EEG Graph Structure for Seizure Detection: An Information Bottleneck and Self-Supervised Learning Approach [18.046321072873656]
脳波の発作検出の新しい視点として,認知された動的グラフ構造と情報的空間時間的表現を共同学習する。
我々のグラフは、EEGデータのノイズ特性を明示的に説明し、コンパクトで信頼性の高い接続パターンを生成する。
本手法は、発作検出における最先端のベースラインよりも優れており、発作動態に関する臨床的に有意義な洞察を提供する。
論文 参考訳（メタデータ） (2026-04-02T04:09:10Z) - LookAroundNet: Extending Temporal Context with Transformers for Clinically Viable EEG Seizure Detection [0.0]
LookAroundNetは、脳波データのより広い時間的ウィンドウを使用して発作活動をモデル化するトランスフォーマーベースの発作検出装置である。
様々な臨床環境にまたがる複数の脳波データセットについて,提案手法の評価を行った。
論文 参考訳（メタデータ） (2026-01-09T18:52:24Z) - A Graph-Augmented knowledge Distillation based Dual-Stream Vision Transformer with Region-Aware Attention for Gastrointestinal Disease Classification with Explainable AI [0.06372261626436675]
本研究は,教師-学生の知識蒸留に基づくハイブリッド二流深層学習フレームワークを提案する。
教師のセマンティックな知識と形態的知識を継承するコンパクトなTiny-ViT構造として学生ネットワークが実装された。
主要なGI疾患クラスを含む2つの注意深くキュレートされたWireless Capsule Endoscopyデータセットを使用して、バランスの取れた表現を保証した。
論文 参考訳（メタデータ） (2025-12-24T07:51:54Z) - Self-Supervised Anatomical Consistency Learning for Vision-Grounded Medical Report Generation [61.350584471060756]
医用画像の臨床的に正確な記述を作成することを目的とした医用レポート生成。
本稿では, 自己監督型解剖学的一貫性学習(SS-ACL)を提案し, 生成された報告を対応する解剖学的領域と整合させる。
SS-ACLは、ヒト解剖学の不変のトップダウン包摂構造にインスパイアされた階層的な解剖学的グラフを構築する。
論文 参考訳（メタデータ） (2025-09-30T08:59:06Z) - From Video to EEG: Adapting Joint Embedding Predictive Architecture to Uncover Visual Concepts in Brain Signal Analysis [7.218572835925958]
脳波信号は、高時間分解能と低空間分解能で脳活動を捉え、神経学的診断、認知モニタリング、脳-コンピュータインターフェースなどの応用をサポートする。
本稿では,脳波分類のためのビデオ共同埋め込み予測アーキテクチャ(VJEPA)の新たな適応であるEEG-VJEPAを提案する。
脳波をビデオライクなシーケンスとして扱うことで、EEG-VJEPAは共同埋め込みと適応マスキングを用いて意味的に意味のある表現を学ぶ。
論文 参考訳（メタデータ） (2025-07-04T15:01:34Z) - CognitionCapturer: Decoding Visual Stimuli From Human EEG Signal With Multimodal Information [61.1904164368732]
脳波信号の表現にマルチモーダルデータを完全に活用する統合フレームワークであるCognitionCapturerを提案する。
具体的には、CognitionCapturerは、各モダリティに対してモダリティエキスパートを訓練し、EEGモダリティからモダリティ情報を抽出する。
このフレームワークは生成モデルの微調整を一切必要とせず、より多くのモダリティを組み込むように拡張することができる。
論文 参考訳（メタデータ） (2024-12-13T16:27:54Z) - CSLP-AE: A Contrastive Split-Latent Permutation Autoencoder Framework
for Zero-Shot Electroencephalography Signal Conversion [49.1574468325115]
脳波分析の鍵となる目的は、基礎となる神経活動(コンテンツ)を抽出し、個体の変動(スタイル)を考慮することである。
近年の音声変換技術の発展に触発されて,脳波変換を直接最適化するCSLP-AEフレームワークを提案する。
論文 参考訳（メタデータ） (2023-11-13T22:46:43Z) - A Deep Learning Approach for the Segmentation of Electroencephalography
Data in Eye Tracking Applications [56.458448869572294]
脳波データの時系列セグメンテーションのための新しいフレームワークDETRtimeを紹介する。
エンドツーエンドのディープラーニングベースのフレームワークは、コンピュータビジョンの進歩を前面に立たせています。
我々のモデルは脳波睡眠ステージセグメンテーションのタスクにおいてよく一般化される。
論文 参考訳（メタデータ） (2022-06-17T10:17:24Z) - Cross-modal Clinical Graph Transformer for Ophthalmic Report Generation [116.87918100031153]
眼科報告生成(ORG)のためのクロスモーダルな臨床グラフ変換器(CGT)を提案する。
CGTは、デコード手順を駆動する事前知識として、臨床関係を視覚特徴に注入する。
大規模FFA-IRベンチマークの実験は、提案したCGTが従来のベンチマーク手法より優れていることを示した。
論文 参考訳（メタデータ） (2022-06-04T13:16:30Z) - Factored Attention and Embedding for Unstructured-view Topic-related
Ultrasound Report Generation [70.7778938191405]
本研究では,非構造的トピック関連超音波レポート生成のための新しい因子的注意・埋め込みモデル(FAE-Gen)を提案する。
提案したFAE-Genは主に2つのモジュール、すなわちビュー誘導因子の注意とトピック指向因子の埋め込みから構成されており、異なるビューで均質および不均一な形態的特徴を捉えている。
論文 参考訳（メタデータ） (2022-03-12T15:24:03Z)
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。