論文の概要: A Multimodal Autonomic Sensing Framework for Objective Assessment of Patient Responses to Dental Pulp Stimulation

• arxiv url: http://arxiv.org/abs/2609.35121v1
• Date: Mon, 28 Sep 2026 13:18:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-02 16:44:50.409204
• Title: A Multimodal Autonomic Sensing Framework for Objective Assessment of Patient Responses to Dental Pulp Stimulation
• Title（参考訳）: 歯髄刺激に対する患者反応の客観的評価のためのマルチモーダル自律センシングフレームワーク
• Abstract要約: 痛みは主観的な感覚と感情的な経験であり、個人によって大きく異なる。 歯科検診時の反応の客観的評価に補完的な自律神経信号が有効かどうかを検討した。
• 参考スコア（独自算出の注目度）: 14.476851096752215
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Patient responses to dental pulp testing, ranging from no sensation to intense pain, provide important information for assessing pulp status in endodontic diagnosis. However, pain is a subjective sensory and emotional experience that varies considerably across individuals and can be difficult to communicate. We investigated whether complementary autonomic signals could support objective assessment of responses during dental examination. Forty-nine patients underwent cold pulp testing, yielding no-response, mild-response, and intense-response conditions. The framework integrated ECG-derived skin nerve activity (SKNA) and R-R intervals (RRI), together with electrodermal activity (EDA), using temporal convolutional network encoders with attention-based mid-level fusion. Individual baseline signals and subject-level covariates, including anxiety scores and biological sex, were also incorporated. The framework achieved 80.2% balanced accuracy, 75.2% sensitivity, and 85.2% specificity for binary classification of no response versus mild or intense response. For three-class classification, it achieved 60.0% balanced accuracy and a 58.8% macro-averaged F1 score. Ablation and attention-weight analyses indicated that EDA contributed most strongly to model performance, followed by RRI, while SKNA improved balanced accuracy by approximately five percentage points. Age was significantly associated with model performance. These findings support the feasibility of multimodal autonomic sensing for objective, non-invasive assessment of responses to dental pulp stimulation.
• Abstract（参考訳）: 歯髄検査に対する患者反応は,無感覚から激しい痛みに至るまで,歯内療法における歯髄状態を評価する上で重要な情報を提供する。 しかし、痛みは主観的な感覚と感情的な経験であり、個人によって大きく異なり、コミュニケーションが困難である。 歯科検診時の反応の客観的評価に補完的な自律神経信号が有効かどうかを検討した。 寒冷な歯髄検査を施行した症例は44例で,無反応,軽度応答,重度応答を認めた。 本フレームワークは,心電図由来の皮膚神経活動(SKNA)とR-R間隔(RRI)を,時間的畳み込みネットワークエンコーダを用いた心電運動(EDA)と統合した。 不安スコアや生物学的セックスを含む,個別のベースライン信号と主観レベルの共変数も組み込まれた。 フレームワークは80.2%のバランスの取れた精度、75.2%の感度、85.2%の特異性を達成した。 3クラスの分類では、60.0%のバランスの取れた精度と58.8%のマクロ平均F1スコアを達成した。 アブレーションおよび注目重量分析の結果、EDAはモデル性能に最も寄与し、RRIが続く一方、SKNAはバランスの取れた精度を約5ポイント向上した。 年齢はモデルの性能と大きく関連していた。 これらの知見は, 歯科用歯髄刺激に対する反応の客観的, 非侵襲的評価のためのマルチモーダル自律センシングの有用性を裏付けるものである。

関連論文リスト

• An Exploratory Analysis of Pain Localization via Explainable Computational Modeling [7.79980827398921]
  本稿では,古典的特徴工学と深部シークエンス学習の体系的比較を行った。 時間領域、周波数領域、モダリティ特化、およびクロスモーダル記述子にまたがる115次元の手作り機能セットを、エンド・ツー・エンドのディープ・アーキテクチャに対してベンチマークする。 極端にランダム化された木は0.539の最高マクロF1を達成し、最高の深度モデルより7.4ポイント、EDAスペクトルが支配的な差別者として出現する。
  論文  参考訳（メタデータ） (2026-07-22T03:53:07Z)
• Abnormal Head Movements in Neurological Conditions: A Knowledge-Based Dataset with Application to Cervical Dystonia [1.9996156983758289]
  本研究では,マルチタスク抽出フレームワークを用いて構築された神経学的誘導型AHMの知識ベースデータセットであるNeuroPose-AHMを紹介する。 このデータセットは、57の神経疾患にまたがる2,756人の患者グループ記録を含み、846のAHM関連論文から得られた。
  論文  参考訳（メタデータ） (2026-04-02T12:25:59Z)
• Image-based Quantification of Postural Deviations on Patients with Cervical Dystonia: A Machine Learning Approach Using Synthetic Training Data [42.305152571036786]
  頚部ジストニア(Cervical dystonia、CD)は、ジストニアの最も一般的な形態である。 現在の評価はトロント・ウェスタン・スパモディック・トーチコリス・レーティング・スケール(TWSTRS)のような主観的臨床評価尺度に依存している。 本研究では、16,000枚の合成アバター画像にのみ訓練された深層学習モデルと、事前訓練した頭部位置推定アルゴリズムを組み合わせた評価ツールを開発した。
  論文  参考訳（メタデータ） (2026-03-27T14:12:41Z)
• AD-CARE: A Guideline-grounded, Modality-agnostic LLM Agent for Real-world Alzheimer's Disease Diagnosis with Multi-cohort Assessment, Fairness Analysis, and Reader Study [45.632341143278886]
  不完全で不均一な入力からガイドラインに基づく診断を行うモダリティ診断剤であるAD-CAREを導入する。 専門的な診断ツールを動的にオーケストレーションすることにより、AD-CAREは実際の臨床出力と整合した透明なレポートスタイルのアウトプットを生成する。
  論文  参考訳（メタデータ） (2026-03-26T11:10:01Z)
• An Explainable Hybrid AI Framework for Enhanced Tuberculosis and Symptom Detection [55.35661671061754]
  結核は、特に資源に制限された遠隔地において、重要な世界的な健康問題である。 本稿では, 胸部X線による疾患および症状の検出を, 2つの頭部と自己監督頭部を統合することで促進する枠組みを提案する。 本モデルでは, 新型コロナウイルス, 結核, 正常症例の鑑別で98.85%の精度が得られ, マルチラベル症状検出では90.09%のマクロF1スコアが得られた。
  論文  参考訳（メタデータ） (2025-10-21T17:18:55Z)
• PSO-Net: Development of an automated psoriasis assessment system using attention-based interpretable deep neural networks [0.0]
  Psoriasis Area and Severity Index (PASI) は、臨床治験におけるPsoriasis Severityを評価する標準的な測定基準として用いられる。 本稿では,PSO-Net と呼ばれる新しい深層学習アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2025-01-30T22:18:19Z)
• Neural Network-Based Histologic Remission Prediction In Ulcerative Colitis [38.150634108667774]
  潰瘍性大腸炎(UC)の新しい治療標的としての組織学的寛解 内視鏡(Endocytoscopy、EC)は、新しい超高倍率内視鏡技術である。 本稿では,心電図の組織学的疾患活動を評価するニューラルネットワークモデルを提案する。
  論文  参考訳（メタデータ） (2023-08-28T15:54:14Z)
• Confidence-Driven Deep Learning Framework for Early Detection of Knee Osteoarthritis [8.193689534916988]
  膝関節症 (KOA) は筋骨格障害の1つで、運動量や生活の質に深刻な影響を及ぼす。 我々は,KL-0およびKL-2ステージの識別に焦点をあてた,早期のKOA検出のための信頼性駆動型ディープラーニングフレームワークを提案する。 実験により,提案フレームワークは専門家の放射線学者に匹敵する,競争精度,感度,特異性を達成できることが示された。
  論文  参考訳（メタデータ） (2023-03-23T11:57:50Z)
• Machine Learning-Based Detection of Parkinson's Disease From Resting-State EEG: A Multi-Center Study [0.125828876338076]
  安静時脳波(rs-EEG)はパーキンソン病(PD)の診断に有効である。 本研究では,異なるセンターで得られた4つのデータセットから,84 PDのRS-EEG記録と85 PDの非PD被験者をプールした。 本稿では,プリプロセッシング,臨床的に検証された周波数帯域からのPSD特徴抽出,特徴選択によるエンドツーエンドパイプラインを提案する。
  論文  参考訳（メタデータ） (2023-03-02T16:19:24Z)
• Exploiting segmentation labels and representation learning to forecast therapy response of PDAC patients [60.78505216352878]
  化学療法に対する腫瘍反応を予測するためのハイブリッドディープニューラルネットワークパイプラインを提案する。 セグメンテーションから分類への表現伝達の組み合わせと、ローカライゼーションと表現学習を利用する。 提案手法は, 合計477個のデータセットを用いて, ROC-AUC 63.7% の処理応答を予測できる, 極めて効率的な手法である。
  論文  参考訳（メタデータ） (2022-11-08T11:50:31Z)

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。