論文の概要: RobustSeiz: An Open-Source Framework for Benchmarking the Robustness of EEG Seizure Detection Models

• arxiv url: http://arxiv.org/abs/2609.04007v1
• Date: Thu, 03 Sep 2026 15:45:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-04 18:28:39.143786
• Title: RobustSeiz: An Open-Source Framework for Benchmarking the Robustness of EEG Seizure Detection Models
• Title（参考訳）: RobustSeiz: EEGseizure検出モデルのロバスト性をベンチマークするオープンソースフレームワーク
• Authors: Mohammad Mohammadi, Alireza Zarei,
• Abstract要約: ホールドアウト脳波(EEG)データに対する強い性能にもかかわらず、発作検出装置は現実の取得可能性、アーチファクト、および敵の入力で失敗する可能性がある。 本稿では,オープンソースのモデルに依存しないフレームワークであるRobustSeizを紹介した。
• 参考スコア（独自算出の注目度）: 1.4694956574141391
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Despite strong performance on held-out electroencephalography (EEG) data, seizure detectors may fail under real-world acquisition variability, artifacts, and adversarial inputs. We introduce RobustSeiz, an open-source, model-agnostic framework that provides a standardized, reproducible protocol for stress-testing and comparing seizure detectors under controlled, clinically motivated distribution shifts before deployment. We standardize four public scalp-EEG corpora (CHB-MIT, TUSZ, Siena, and SeizeIT1) into BIDS-EEG trees and evaluate subject-independent detectors on held-out splits. Environment, noise, and adversarial transforms are swept over predefined hyperparameter grids. Each run reports sample- and event-level sensitivity, precision, F1, false positives per 24 h, Lead and Lag onset timing, and Monte Carlo dropout predictive agreement. RobustSeiz includes a Dockerized GPU pipeline, experiment registry, and full-evaluation and research-subset modes. We demonstrate the framework with a contemporary seizure detector on TUSZ across the complete implemented shift grid; an AWGN analysis illustrates how perturbation severity changes detection quality, onset timing, and predictive agreement. RobustSeiz provides a shared benchmarking standard for evaluating seizure-detector robustness under realistic clinical stressors, extending pre-deployment assessment beyond clean-data accuracy.
• Abstract（参考訳）: ホールドアウト脳波(EEG)データに対する強い性能にもかかわらず、発作検出装置は現実の取得可能性、アーチファクト、および敵の入力で失敗する可能性がある。 我々は、オープンソースのモデルに依存しないフレームワークであるRobostSeizを紹介します。これは、標準化された再現可能なプロトコルを提供し、デプロイ前に、制御され、臨床的に動機づけられた分布シフトの下の発作検知器を比較します。 我々は, BIDS-EEG木に4つの公衆頭皮EEGコーパス(CHB-MIT, TUSZ, Siena, SeizeIT1)を標準化し, 保持分割における主観非依存検出器の評価を行った。 環境、ノイズ、および対向変換は、予め定義されたハイパーパラメータグリッドにサープされる。 各ランはサンプルレベルとイベントレベルの感度、精度、F1、24時間当たりの偽陽性、リードとラグの開始タイミング、モンテカルロのドロップアウト予測契約を報告している。 RobustSeizには、Docker化されたGPUパイプライン、試験レジストリ、フル評価と研究サブセットモードが含まれている。 AWGN解析は、摂動重大度が検出品質、開始タイミング、予測一致をどのように変化させるかを示した。 RobustSeizは、リアルな臨床ストレス下での発作検出の堅牢性を評価するための共有ベンチマーク標準を提供する。

関連論文リスト

• FIRCE: A Framework for Intrusion Response and Conformal Evaluation [3.3271517946886924]
  FIRCEは侵入応答とコンフォーマル評価のためのフレームワークである。 同型評価に基づく不確実性定量化とドリフト検出をサポートする。 我々は、FIRCEが分散シフトを検出し、モデル再トレーニングをトリガーする能力を実証する。
  論文  参考訳（メタデータ） (2026-05-03T16:48:03Z)
• Mitigating Error Amplification in Fast Adversarial Training [58.74042726356826]
  FAT(Fast Adversarial Training)は、ネットワークに摂動不変表現の学習を促すことによって、モデルロバスト性の向上に有効であることが証明されている。 FATは、しばしば破滅的なオーバーフィッティング(CO)に悩まされ、モデルがトレーニングアタックに過度に適合し、目に見えないものへの一般化に失敗する。 本稿では、摂動予算と監視信号の両方を動的に調整する分散対応動的ガイダンス(DDG)戦略を提案する。
  論文  参考訳（メタデータ） (2026-04-27T11:23:18Z)
• Towards Trustworthy Depression Estimation via Disentangled Evidential Learning [50.22167852149165]
  EviDepはうつ病の重症度を共同で定量化する明らかな学習フレームワークである。 EviDepは、堅牢な証拠合成を保証するために厳密な情報整合性を強制する。 最先端の予測精度と優れた不確実性校正を実現し、信頼できる臨床スクリーニングのための堅牢なフェールセーフメカニズムを提供する。
  論文  参考訳（メタデータ） (2026-04-17T13:27:11Z)
• Active Bayesian Inference for Robust Control under Sensor False Data Injection Attacks [10.312968200748115]
  本稿では,サイバー物理システムにおけるセンサ攻撃検出とリカバリのギャップを埋める枠組みを提案する。 本稿では, 簡易な部分観測可能マルコフ決定プロセス(POMDP)によるしきい値に基づく探索手法を提案し, その有効性を示す。
  論文  参考訳（メタデータ） (2026-04-13T12:54:24Z)
• VSCOUT: A Hybrid Variational Autoencoder Approach to Outlier Detection in High-Dimensional Retrospective Monitoring [0.0]
  VSCOUTは、高次元設定での振り返り(Phase I)監視のために設計された、配布不要のフレームワークである。 VSCOUTは、制御された偽アラームを維持しながら、特別な原因構造に対する優れた感度を実現する。 そのスケーラビリティ、分散柔軟性、レジリエンスは、AI対応環境でのリフレクションモデリングと異常検出の実用的で効果的な方法としてVSCOUTを位置づけている。
  論文  参考訳（メタデータ） (2026-01-28T18:30:48Z)
• Calibration-Free EEG-based Driver Drowsiness Detection with Online Test-Time Adaptation [43.83587667787693]
  ドローシー・ドライビングは交通事故の増大の原因であり、脳波に基づくドローシー検知システム(EEG)の最近の探索を促している。 特に,脳波信号の物体間変動は,領域シフトの問題を引き起こす。 そこで本稿では,オンラインテスト時間適応手法を利用して対象対象の分布に動的に適応する新しいドライバの眠気検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-27T02:27:10Z)
• REST: Efficient and Accelerated EEG Seizure Analysis through Residual State Updates [54.96885726053036]
  本稿では,リアルタイム脳波信号解析のための新しいグラフベース残状態更新機構(REST)を提案する。 グラフニューラルネットワークとリカレント構造の組み合わせを活用することで、RESTは、非ユークリッド幾何学とEEGデータ内の時間的依存関係の両方を効率的にキャプチャする。 本モデルは,発作検出と分類作業において高い精度を示す。
  論文  参考訳（メタデータ） (2024-06-03T16:30:19Z)
• Improving Diffusion Models for ECG Imputation with an Augmented Template Prior [43.6099225257178]
  ノイズと品質の悪い録音は、モバイルヘルスシステムを使って収集された信号にとって大きな問題である。 近年の研究では、確率的時系列モデルによるECGの欠落値の計算が検討されている。 本稿では,様々な健康状態の事前情報として,テンプレート誘導型拡散確率モデル(DDPM)PulseDiffを提案する。
  論文  参考訳（メタデータ） (2023-10-24T11:34:15Z)

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。