論文の概要: AI-Driven Neural Surrogates for In Silico Design of Cognitive-Affective Neuromodulation Targets

• arxiv url: http://arxiv.org/abs/2609.27729v1
• Date: Wed, 23 Sep 2026 11:44:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 00:05:18.004071
• Title: AI-Driven Neural Surrogates for In Silico Design of Cognitive-Affective Neuromodulation Targets
• Title（参考訳）: AI駆動型ニューラルサロゲートによる認知影響型ニューロ変調ターゲットのシリカ設計
• Abstract要約: 神経心理学において、第一の目的は脳活動の解読だけでなく、ネガティブな感情バイアスや過度に健康な記憶を減らすことにある。 我々は,AI駆動型ニューラルサロゲートフレームワークを開発し,その予測効果を刺激誘発fMRI活動のスナップショットから検証する。
• 参考スコア（独自算出の注目度）: 0.8432600533536726
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In neuropsychiatry, the primary goal is often not only to decode brain activity but to change it, for example to lessen a negative affective bias or an overly salient memory. Motivated by control theory, we develop an AI-driven neural-surrogate framework that proposes candidate representational changes and tests their predicted perceptual effects from snapshots of stimulus-evoked fMRI activity, without physical stimulation. The framework combines fMRI decoding, deep generative modeling, and constrained latent-space steering. Valence and memorability are used only as worked examples. Using more than 36,000 image-fMRI observations from four deeply sampled Natural Scenes Dataset participants, subject-specific models recovered coarse generative structure from visually responsive cortex (two-way identification, 0.79-0.88; chance, 0.5). Graded perturbations were reconstructed as images and evaluated with automated scorers and human ratings from 7,200 trials by 18 participants. In the primary VDVAE model, valence shifted from -0.61 to +1.03 SD and memorability from -1.34 to +1.45 SD; a later Versatile Diffusion refinement reduced or altered these effects. Across five perturbation levels, human valence ratings moved in the predicted direction under the linear time-correction model (mean slope, 0.038 SD per unit of alpha; 95 percent CI, 0.003-0.074; positive in 16 of 18 participants). Perceived memorability did not change reliably. Baseline agreement with the automated assessor was suggestive for valence (r = 0.30) and weak for memorability (r = 0.10). Extreme perturbations drifted from the original stimulus, so intended change must be weighed against loss of fidelity. These findings provide a falsifiable upstream method for designing and behaviorally testing candidate representational targets for future neuromodulation in psychiatry, while marking the limits of the present static approximation.
• Abstract（参考訳）: 神経心理学において、第一の目的は脳活動の解読だけでなく、ネガティブな感情バイアスや過度に健康な記憶を減らすことにある。 制御理論によって動機付けられたAI駆動型ニューラルサロゲートフレームワークを開発した。このフレームワークは,身体的刺激を伴わずに,刺激誘発されたfMRI活動のスナップショットから,予測された知覚効果を評価できる。 このフレームワークはfMRIデコーディング、深層生成モデリング、制約付き潜在空間ステアリングを組み合わせたものである。 妥当性と記憶力は、動作する例としてのみ使用される。 4つの深くサンプリングされた自然シーンデータセットから36,000以上の画像-fMRI観測を行い、被験者固有のモデルが視覚応答性大脳皮質(双方向識別、0.79-0.88;チャンス、0.5)から粗い生成構造を復元した。 傾斜摂動は画像として再構成され、自動スコアラーと18人の被験者による7,200件の試験による人的評価で評価された。 初期のVDVAEモデルでは、価は-0.61から+1.03 SDに変化し、記憶力は-1.34から+1.45 SDに変化した。 5つの摂動レベルにわたって、人間の原子価は線形時間補正モデル(平均傾き、α単位当たり0.038 SD、95%CI、0.003-0.074、被験者18人中16人)で予測方向に移動した。 記憶力は確実に変化しなかった。 自動評価器とのベースライン合意は、価値 (r = 0.30) と暗記可能性 (r = 0.10) について示唆された。 過度の摂動は元々の刺激から逸脱したので、意図した変化は忠実さの喪失に対して重み付けされなければならない。 これらの知見は、現在の静的近似の限界をマークしつつ、将来の精神医学における神経調節のための候補表現ターゲットを設計し、行動的にテストするための、ファリザブルな上流法を提供する。

関連論文リスト

• Brain-to-Image Generation: Reconstructing Visual Stimuli from EEG using Generative Adversarial Networks [0.0]
  脳波(EEG)による視覚刺激の再構成は、頭皮計測が時間分解能が高いが空間分解能が限られているため困難である。 THINGS-EEG2上の再現可能な単一オブジェクトベースラインについて,脳波が視覚的埋め込み空間において観察された刺激を回復できるかどうかという,より明確な疑問を最初に検証する。
  論文  参考訳（メタデータ） (2026-09-13T03:26:21Z)
• STST-JEPA: Shallow-Target Spatio-Temporal Joint Embedding Prediction Architecture For EEG Self-Supervised Learning [0.0]
  脳年齢は、時間的年齢からの逸脱が神経学的および精神医学的な負担を追跡できる新興バイオマーカーである。 5歳から81歳までの47,703回のセッションで事前学習した,安静状態とタスク脳波の自己教師型変換器STST-JEPAを紹介する。
  論文  参考訳（メタデータ） (2026-07-07T12:19:54Z)
• A Shared Valence Axis Across Modern LLMs and Human EEG: The Saturation Regularity [45.39795199208249]
  大規模言語モデル(LLM)は、人間の認知と内部的特徴がますます一致している強力な表現学習者として登場した。 我々は、現代のLLMが人間の脳内の神経表現を理解するためのレンズとして機能するかどうかを考察する。
  論文  参考訳（メタデータ） (2026-05-28T19:42:10Z)
• ImplicitMemBench: Measuring Unconscious Behavioral Adaptation in Large Language Models [60.14219417402433]
  LLMエージェントの既存のメモリベンチマークは、事実の明示的なリコールを評価するが、意識的な検索なしに、経験が自動的な振る舞いになる暗黙の記憶を見落としている。 IndicitMemBenchは、非宣言的メモリの標準的な認知科学のアカウントから引き出された3つの構造を通して暗黙的メモリを評価する最初の体系的なベンチマークである。 当社の300イテムスイートでは,初動採点を備えたLearning/Priming-Interfere-Testプロトコルを統一しています。
  論文  参考訳（メタデータ） (2026-04-09T10:26:32Z)
• Predicting Neuromodulation Outcome for Parkinson's Disease with Generative Virtual Brain Model [95.41752463487008]
  パーキンソン病は世界中で1千万人以上に影響している。 個人間変異は経験的治療の選択を制限し、非無視的な外科的リスクとコストを増大させる。 我々は、このギャップをトレーニング済みのファインタニングフレームワークで埋めて、静止状態fMRIから直接結果を予測する。
  論文  参考訳（メタデータ） (2026-03-31T02:36:10Z)
• EARS-UDE: Evaluating Auditory Response in Sensory Overload with Universal Differential Equations [4.285464959472458]
  自閉症スペクトラム障害(ASD)における聴覚過負荷の50～70%への影響 自閉症における感覚適応力学をモデル化するために,Universal Differential Equations (UDEs) を用いた科学機械学習手法を提案する。
  論文  参考訳（メタデータ） (2025-10-16T10:16:43Z)
• Beyond the LUMIR challenge: The pathway to foundational registration models [25.05315856123745]
  LUMIR(Large-scale Unsupervised Brain MRI Image Registration)は、非教師なし脳MRI登録の評価と進歩を目的とした次世代ベンチマークである。 LUMIRは、ラベルマップなしでトレーニングするための4000以上の前処理されたT1強調脳MRIを提供し、生物学的に妥当な変形モデリングを促進する。 被験者は1,158名、画像ペアは4,000名以上であった。
  論文  参考訳（メタデータ） (2025-05-30T03:07:58Z)
• 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)
• Automated SSIM Regression for Detection and Quantification of Motion Artefacts in Brain MR Images [54.739076152240024]
  磁気共鳴脳画像における運動アーチファクトは重要な問題である。 MR画像の画質評価は,臨床診断に先立って基本的である。 構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
  論文  参考訳（メタデータ） (2022-06-14T10:16:54Z)

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。