論文の概要: CortexBridge: Cortical Alignment of EEG Montages for Foundation Models

• arxiv url: http://arxiv.org/abs/2610.01124v1
• Date: Thu, 01 Oct 2026 06:08:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:23.925881
• Title: CortexBridge: Cortical Alignment of EEG Montages for Foundation Models
• Title（参考訳）: CortexBridge: ファンデーションモデルのためのEEGモンタージュの皮質アライメント
• Abstract要約: 脳波の特徴を電極とアトラス座標と組み合わせて任意のモンタージュを共有皮質潜在空間にマッピングする軽量アダプタを提案する。 CortexBridgeは15評価中13評価でパフォーマンスを改善している。
• 参考スコア（独自算出の注目度）: 8.053196826360578
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Electroencephalography (EEG) foundation models are often pretrained with a fixed channel vocabulary or a limited set of montages, making transfer difficult when electrode layouts change. We propose CortexBridge, a lightweight adapter that combines EEG features with electrode and atlas coordinates to map arbitrary montages into a shared cortical latent space. Evaluated with three frozen foundation models on five brain-computer interface (BCI) datasets from the Mother of All BCI Benchmarks (MOABB), CortexBridge improves performance in 13 of 15 evaluations. The gains in balanced accuracy average 0.80% for EEGPT, 0.70% for LaBraM, and 3.26% for CBraMod, with a maximum gain of 13.02% on 12-class steady-state visual evoked potential (SSVEP) classification. Visualizations of the learned atlas representations reveal task-dependent spatial patterns, with SSVEP showing a more concentrated representation in the Yeo Visual network than auditory P300. These results establish cortical alignment as a learnable and anatomically grounded routing mechanism from heterogeneous EEG montages to pretrained foundation models.
• Abstract（参考訳）: 脳波基礎モデルは、固定されたチャネル語彙または限られたモンタージュセットで事前訓練されることが多く、電極配置が変化すると転送が困難になる。 脳波の特徴を電極とアトラス座標と組み合わせて任意のモンタージュを共有皮質潜在空間にマッピングする軽量アダプタであるCortexBridgeを提案する。 すべてのBCIベンチマーク(MOABB)の5つの脳-コンピュータインターフェース(BCI)データセットの凍結基盤モデルを用いて評価し、CortexBridgeは15評価のうち13評価でパフォーマンスを改善した。 EEGPTでは平均0.80%、LaBraMでは0.70%、CBraModでは3.26%、12クラスの定常視覚誘発電位(SSVEP)では最大13.02%である。 学習したアトラス表現の可視化はタスク依存の空間パターンを示し、SSVEPは聴覚P300よりもYeoビジュアルネットワークにより集中した表現を示す。 これらの結果から,皮質アライメントは異種脳波モンタージュから事前訓練された基礎モデルへの学習可能な,解剖学的基盤的ルーティング機構として確立された。

関連論文リスト

• Comparative Analysis of State-of-the-Art Foundation Models for Sleep Analysis Under Channel Reduction [3.666071815004404]
  The Multi-Ethnic Study of Atherosclerosis (MESA) PSG data。 脳波は睡眠時信号のほとんどを持ち、ウェアラブル互換の代替品の一貫性のある精度コストを定量化し、睡眠関連事前訓練がMESAに良好に伝達されることを示す。
  論文  参考訳（メタデータ） (2026-08-14T05:52:11Z)
• MSCGC-KAN: Multi-scale Causal Graph Convolution and Kolmogorov-Arnold Feature Mapping for EEG Emotion Recognition [4.244312032484765]
  本稿では,MSCGC-KANと呼ばれる感情認識手法を提案する。 MSCGC-KANはマルチスケール因果グラフ畳み込みとKolmogorov-Arnold特徴写像からなる構造化タスクヘッドである。 提案手法はFACEDおよびSEED-VIIデータセット上で60.66%のバランス精度と60.40%の重み付きF1スコアを実現する。
  論文  参考訳（メタデータ） (2026-05-26T07:02:13Z)
• CLEF: EEG Foundation Model for Learning Clinical Semantics [50.3767252824646]
  CLEFは,脳波基礎モデルである。 CLEFは, 疾患の表現型, 薬物曝露, 脳波所見にまたがる新しい234タスク・ベンチマークで評価した。
  論文  参考訳（メタデータ） (2026-05-11T16:34:58Z)
• An Attention-Augmented VAE-BiLSTM Framework for Anomaly Detection in 12-Lead ECG Signals [0.0]
  12誘導心電図(ECGs)の異常検出は心血管疾患に伴う偏差の同定に重要である。 本稿では,VAE-BiLSTM-MHAアーキテクチャの心電図異常検出への応用について報告する。
  論文  参考訳（メタデータ） (2025-10-07T13:30:02Z)
• A Real-Time BCI for Stroke Hand Rehabilitation Using Latent EEG Features from Healthy Subjects [0.0]
  本研究では,脳卒中患者の手リハビリテーションを支援するために,リアルタイムでポータブルな脳-コンピュータインタフェース(BCI)システムを提案する。 このシステムは、低コストで3Dプリントされたロボット外骨格と、脳信号を物理的な手の動きに変換する内蔵のコントローラーを組み合わせる。
  論文  参考訳（メタデータ） (2025-09-07T22:19:03Z)
• CEReBrO: Compact Encoder for Representations of Brain Oscillations Using Efficient Alternating Attention [46.47343031985037]
  交互注意(CEReBrO)を用いた脳振動の表現のための圧縮法について紹介する。 トークン化方式は、チャネルごとのパッチで脳波信号を表現します。 本研究では,チャネル内時間的ダイナミックスとチャネル間空間的相関を共同でモデル化し,通常の自己アテンションに比べて6倍少ないメモリで2倍の速度向上を実現するための注意機構を提案する。
  論文  参考訳（メタデータ） (2025-01-18T21:44:38Z)
• Hymba: A Hybrid-head Architecture for Small Language Models [65.94140459055244]
  Hymbaは、ハイブリッドヘッド並列アーキテクチャを特徴とする、小さな言語モデルのファミリーである。 重要な情報を保持するプロンプトに先立って,学習可能なメタトークンを導入する。 このモデルは、層間鍵値共有と部分的スライディングウィンドウアテンションを組み込むことにより、さらに最適化される。
  論文  参考訳（メタデータ） (2024-11-20T19:51:25Z)
• Multilabel 12-Lead Electrocardiogram Classification Using Gradient Boosting Tree Ensemble [64.29529357862955]
  我々は,心電図の診断を分類するために,形態や信号処理機能に適合した勾配強化木のアンサンブルを用いたアルゴリズムを構築した。 各リードについて、心拍変動、PQRSTテンプレート形状、全信号波形から特徴を導出する。 各クラスに属するECGインスタンスの確率を予測するため、全12項目の特徴と合わせて、勾配を増す決定ツリーの集合に適合する。
  論文  参考訳（メタデータ） (2020-10-21T18:11:36Z)

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。