論文の概要: NeuroPriv: Adversarial Representation Learning for Privacy in Wearable EEG Systems
- arxiv url: http://arxiv.org/abs/2609.00390v1
- Date: Mon, 31 Aug 2026 21:19:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-02 16:31:36.103011
- Title: NeuroPriv: Adversarial Representation Learning for Privacy in Wearable EEG Systems
- Title（参考訳）: NeuroPriv:ウェアラブルEEGシステムにおけるプライバシのための逆表現学習
- Abstract要約: ウェアラブルな脳波システムは、意図した健康機能を超えて機密情報を公開し、神経プライバシーに重大なリスクをもたらす可能性がある。
一般的な脳波の特徴は、意図した認知タスクをサポートすることに加えて、識別的アイデンティティと人口統計特性を明らかにすることができることを示す。
- 参考スコア（独自算出の注目度）: 0.28547732086436306
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Wearable EEG systems may expose sensitive information beyond their intended health function, creating substantial risks to neuroprivacy. In this work, we show that commonly used EEG features can reveal participant identity and demographic attributes in addition to supporting the intended cognitive task. Wearable EEG is increasingly being explored for cognitive monitoring, neurological assessment, and longitudinal digital-health applications, yet many systems assume that transmitting compact spectral or spatial features instead of raw EEG provides sufficient privacy protection. Using EEGMAT as a motivating case study, we find that compact EEG features achieve a balanced accuracy of 0.788 for cognitive-state classification while enabling gender, age, and subject-identity inference with balanced accuracies of 0.858, 0.789, and 0.692, respectively. We further show that privacy-aware representation learning preserves task performance at 0.781 while reducing these inference accuracies to 0.563, 0.467, and 0.206. These findings motivate purpose-limited representations and explicit privacy auditing in wearable neurohealth systems.
- Abstract（参考訳）: ウェアラブルな脳波システムは、意図した健康機能を超えて機密情報を公開し、神経プライバシーに重大なリスクをもたらす可能性がある。
本研究は,脳波の特徴が,認知タスクを支援することに加えて,識別的アイデンティティや人口統計学的属性を明らかにすることができることを示す。
ウェアラブル脳波は、認知モニタリング、神経学的評価、縦方向のデジタルヘルスアプリケーションのためにますます研究されているが、多くのシステムは、生の脳波の代わりにコンパクトなスペクトルや空間的特徴を伝達することは、十分なプライバシー保護を提供すると仮定している。
EEGMATをモチベーションケーススタディとして用い, 認知状態分類におけるコンパクト脳波の特徴は, それぞれ0.858, 0.789, 0.692の男女, 年齢, 主観的同一性推論を可能にした。
さらに、プライバシーに配慮した表現学習は、タスク性能を 0.781 に保ちながら、これらの推論精度を 0.563, 0.467, 0.206 に下げることを示した。
これらの知見は、ウェアラブル神経保健システムにおける目的限定の表現と明示的なプライバシ監査を動機付けている。
関連論文リスト
- GenEyePose: Patient-Free, Knowledge-Based Saccadic Eye Movement Modeling for Digital Neurophysiologic Biomarker Development [3.941624546506009]
ササードを含む眼球運動は、神経生理学的状態の非常に敏感で客観的なバイオマーカーとして広く見なされている。
現在、プライバシー問題やデータセット不足による脳の異常のスクリーニング、トリアージ、ローカライズのための、堅牢なAI対応ビデオ電図ソリューションはありません。
全身性ササード解析のための完全合成, 患者なし, マルチモーダル眼球運動生成パイプラインを提案する。
論文 参考訳（メタデータ） (2026-06-08T16:01:27Z) - Towards a General Intelligence and Interface for Wearable Health Data [45.854819784803055]
本研究では,1兆分以上の未ラベルセンサ信号に基づいて,ウェアラブルヘルスの基盤モデルを提案する。
この集団スケールの表現は、ラベル効率のよい少数ショット学習と生成能力を有効化して、1日あたりのロバストな計量推定を行う。
論文 参考訳（メタデータ） (2026-05-21T17:24:06Z) - CoDaS: AI Co-Data-Scientist for Biomarker Discovery via Wearable Sensors [44.01195029438923]
バイオマーカー発見を反復的プロセスとして構築するシステムであるCoDaS(AI Co-Data-Scientist)を紹介する。
コホートは計9,279人、CoDaSは41人のメンタルヘルスと25人のメタボリックな結果を得た。
CoDaSは、両データセットの概日不安定性に関連する特徴を睡眠時間変動に反映した。
論文 参考訳（メタデータ） (2026-04-16T04:47:55Z) - Pupillometry and Brain Dynamics for Cognitive Load in Working Memory [0.1631115063641726]
本研究は,時系列分析の進歩に向けた特徴ベースおよびモデル駆動型アプローチを統合する。
The OpenNeuro 'Digit Span Task' データセットを用いて,脳波と瞳孔計測から認知負荷を分類する。
この結果から,瞳孔計測だけで脳波と競合し,現実の応用のためのポータブルで実用的なプロキシとして機能することが示唆された。
論文 参考訳（メタデータ） (2026-02-11T08:05:47Z) - Consciousness-ECG Transformer for Conscious State Estimation System with Real-Time Monitoring [40.49243145490585]
非侵襲的で信頼性の高い意識状態推定に心電図(ECG)信号を利用する変圧器を提案する。
我々のアプローチでは、意識状態と無意識状態を区別する心拍変動特性を効果的に捉えるために、クエリアテンションを分離したトランスフォーマーを用いている。
本研究は,心電図に基づく意識モニタリングが患者の安全性を高め,意識状態の理解を深める可能性を明らかにするものである。
論文 参考訳（メタデータ） (2025-10-31T05:53:41Z) - 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) - Explainable and externally validated machine learning for neuropsychiatric diagnosis via electrocardiograms [0.8108972030676012]
心電図(ECG)解析は、神経精神疾患に関連する生理的変化を識別するための有望なツールとして登場した。
心電図が神経精神医学的条件を正確に区別する可能性、特に多種多様な患者の間では、未発見のままである。
本研究は,脳波マーカーと基礎的人口統計データを用いて,機械学習モデルを用いた神経精神疾患の予測を行った。
論文 参考訳（メタデータ） (2025-02-07T13:37:13Z) - 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) - 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) - Analyzing Participants' Engagement during Online Meetings Using Unsupervised Remote Photoplethysmography with Behavioral Features [50.82725748981231]
エンゲージメント測定は、医療、教育、サービスに応用される。
生理的特徴と行動的特徴の使用は可能であるが、従来の生理的測定の非現実性は接触センサーの必要性により生じる。
コンタクトセンサの代替として, 教師なし光胸腺造影(胸腔鏡)の有用性を実証する。
論文 参考訳（メタデータ） (2024-04-05T20:39:16Z) - Deep-seeded Clustering for Emotion Recognition from Wearable Physiological Sensors [1.380698851850167]
本稿では,生理的信号から特徴を最小限に抽出し,分類するディープシードクラスタリングアルゴリズムを提案する。
本モデルは,感情コンピューティング研究で頻繁に使用される3つのデータセットに対して,良好な性能が得られることを示す。
論文 参考訳（メタデータ） (2023-08-17T14:37:35Z) - 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。