論文の概要: Virtual iEEG from Scalp EEG: Charting the Landscape of Source Imaging, Intracranial Inference and Reconstruction

• arxiv url: http://arxiv.org/abs/2608.26998v1
• Date: Thu, 27 Aug 2026 11:44:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-28 16:30:58.375334
• Title: Virtual iEEG from Scalp EEG: Charting the Landscape of Source Imaging, Intracranial Inference and Reconstruction
• Title（参考訳）: Scalp EEGの仮想iEEG:ソースイメージング、頭蓋内推論、再構成のランドスケープをグラフ化する
• Abstract要約: 頭蓋内脳波(iEEG)は、焦点と深部脳領域からの神経活動への時間的正確かつ空間的アクセスを提供する。 これらの制約は、仮想iEEGと呼ばれる頭皮から内殻への推論を動機付けている。 本稿では、イベント推論、特徴翻訳、波形再構成を区別するターゲット中心フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.30786914102688595
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Intracranial electroencephalography (iEEG) provides temporally precise and spatially specific access to neural activity from focal and deep brain regions, but its invasiveness and restricted anatomical coverage limit routine use. These constraints have motivated scalp-to-intracranial inference, termed virtual iEEG when model outputs carry iEEG-defined event, feature, representation, or contact-level waveform semantics. This review presents a target-centred framework distinguishing event inference, feature translation, and waveform reconstruction, while separating predictability from observability, identifiability, fidelity, and utility. Evidence is evaluated according to cohort independence, anatomical and spectral coverage, train--test separation, and target-patient adaptation. Current studies support inference of selected intracranial events, low-frequency components, and task-related representations, but not unique recovery of arbitrary contact-level activity. Stronger validation requires appropriate controls, source-imaging baselines, uncertainty assessment, and incremental-utility testing. Future progress depends on independent paired datasets and prospective evidence that virtual iEEG adds value beyond scalp EEG and EEG source imaging.
• Abstract（参考訳）: 頭蓋内脳波検査(iEEG)は、局所脳と深部脳の神経活動に時間的に正確かつ空間的にアクセスするが、その侵襲性と解剖学的範囲の制限が日常的に使用される。 これらの制約は、モデル出力がiEEGで定義されたイベント、特徴、表現、または接触レベルの波形セマンティクスを持つ場合、仮想iEEGと呼ばれる頭皮から内殻への推論を動機付けている。 本稿では、予測可能性と可観測性、識別性、忠実性、有用性とを区別しつつ、イベント推論、特徴翻訳、波形再構成を区別するターゲット中心フレームワークを提案する。 証拠は、コホート独立、解剖学的およびスペクトルカバレッジ、列車-テスト分離、および標的患者適応に基づいて評価される。 近年の研究では、選択された頭蓋内イベント、低周波成分、タスク関連表現の推測が支持されているが、任意の接触レベル活動のユニークな回復には至っていない。 より強力な検証には、適切なコントロール、ソースイメージングベースライン、不確実性評価、インクリメンタルユーティリティテストが必要である。 今後の進歩は、独立したペアデータセットと、仮想iEEGが頭皮脳波と脳波のソースイメージング以上の価値を付加する見込みの証拠に依存する。

関連論文リスト

• ProCA: Progressive Contrastive Alignment for Robust EEG Visual Decoding [47.35612571473169]
  EEGビジュアルデコーディングは、非侵襲的な神経時系列信号から視覚的セマンティクスを回復することを目的としている。 既存の手法は固定された視覚的あるいはテキスト的アンカーに依存しており、その意味的関係は、試行錯誤、主題、学習段階によって異なる脳波表現と一致している可能性がある。 本稿では,適応型ニューラル・セマンティックアライメントのための統一的でモデルに依存しないフレームワークであるProgressive Contrastive Alignment(ProCA)を提案する。
  論文  参考訳（メタデータ） (2026-09-04T12:48:25Z)
• Taming foundation model with invariance-oriented pre-training for broad-spectrum EEG analysis across signal-level, brain-state, and brain-health tasks [46.533103231728724]
  INCEPTは11,000時間以上の非競合型臨床脳波をトレーニングした、不変指向の脳波基礎モデルである。 買収後の脳波分析の3段階にまたがる10個のデータセットの広スペクトルベンチマークでINCEPTを評価した。
  論文  参考訳（メタデータ） (2026-08-25T14:20:02Z)
• Delving Aleatoric Uncertainty in Medical Image Segmentation via Vision Foundation Models [56.29123284262618]
  本研究は,視覚基盤モデルの普遍的表現能力を生かして固有データ不確実性を推定することを提案する。 モデルのデコード表現の特徴の多様性を分析し,その特異値エネルギーを定量化し,各クラスに対する意味知覚尺度を定義する。 この基礎に基づいて,本研究は,(1)潜在的にノイズの多いサンプルを排除し,モデル学習品質を向上させるためのアレータリック不確実性認識データフィルタリング機構,(2)意味認識尺度に基づくトレーニング中にクラス固有の損失重みを適応的に調整する動的不確実性認識最適化戦略,およびトレーニング安定性を向上させるラベル認知機構の2つの不確実性駆動型アプリケーション戦略を設計する。
  論文  参考訳（メタデータ） (2026-04-13T03:59:54Z)
• EEG-based Graph-guided Domain Adaptation for Robust Cross-Session Emotion Recognition [2.0955637520081756]
  EGDAは、グローバル(マージナル)とクラス固有(コンディション)の分散を整合させることにより、クロスセッションの相違を低減するフレームワークである。 SEED-IVデータセットの実験結果から,EGDAが堅牢なクロスセッション性能を実現することが示された。
  論文  参考訳（メタデータ） (2025-12-29T15:05:25Z)
• EEG Emotion Recognition Through Deep Learning [0.0]
  テスト精度は91%に達し、SVM、DNN、ロジスティック回帰といった従来のモデルを上回った。 このモデルでは、62の5電極のみを利用することで、EEG装置の要求を低減できる。 この進歩は、メディアコンテンツ消費によって引き起こされる気分変化の今後の探索の土台となる。
  論文  参考訳（メタデータ） (2025-11-19T22:14:05Z)
• Bridging Accuracy and Explainability in EEG-based Graph Attention Network for Depression Detection [1.1147827531284868]
  うつ病は世界的な精神疾患の主要な原因であり、自殺率に大きな影響を及ぼす。 エッジゲート・軸混入型Pooling Attention Network (ExPANet) というグラフに基づく新しいディープラーニングフレームワークを提案する。 このアーキテクチャは、局所電極特性と包括的機能接続パターンの両方を取得する。
  論文  参考訳（メタデータ） (2025-10-29T18:50:59Z)
• 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)
• Feature Estimation of Global Language Processing in EEG Using Attention Maps [5.173821279121835]
  本研究は,脳波の特徴推定に新たなアプローチを導入し,深層学習モデルの重みを利用してその関連を探索する。 視覚変換器とEEGNetから生成したアテンションマップは,従来の研究結果と一致した特徴を効果的に同定できることを実証する。 ViTsを用いたMel-Spectrogramの適用により、時間および周波数関連脳波特性の分解能が向上する。
  論文  参考訳（メタデータ） (2024-09-27T22:52:31Z)
• 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)
• A Novel Transferability Attention Neural Network Model for EEG Emotion Recognition [51.203579838210885]
  脳波感情認識のための伝達型注目ニューラルネットワーク(TANN)を提案する。 TANNは、伝達可能な脳波領域のデータとサンプルを適応的に強調することにより、感情的な識別情報を学習する。 これは、複数の脳領域レベル判別器と1つのサンプルレベル判別器の出力を測定することで実現できる。
  論文  参考訳（メタデータ） (2020-09-21T02:42:30Z)

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。