論文の概要: DyssomniaNN: Multi-Scale Spiking Neural Modeling of Human Sleep Disorders and Perceived Restedness

• arxiv url: http://arxiv.org/abs/2610.13918v1
• Date: Fri, 09 Oct 2026 17:52:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-13 04:06:29.717976
• Title: DyssomniaNN: Multi-Scale Spiking Neural Modeling of Human Sleep Disorders and Perceived Restedness
• Title（参考訳）: DyssomniaNN:人間の睡眠障害と安静感のマルチスケールスパイクニューラルモデリング
• Abstract要約: 臨床睡眠医学は、客観的睡眠時間と主観的昼時間障害の相違を繰り返す。 本稿では,Borbélyの睡眠ホメオスタシスと概日駆動の2プロセス制御を結合した多スケールバイオ物理計算フレームワークDyssomniaNNを提案する。 同じ72時間光周期で5つの臨床コホートを定式化した:健康管理、概日リズム睡眠覚醒障害(遅延相)、慢性不眠症、パラドックス性不眠症、ナルコレプシー1型。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Clinical sleep medicine repeatedly documents profound divergences between objective sleep duration and subjective daytime impairment, notably exemplified by sleep state misperception in paradoxical insomnia and boundary instability in narcolepsy type 1. Here, we present DyssomniaNN: a multi-scale biophysical computational framework coupling Borbély's two-process regulation of sleep homeostasis and circadian drive with Saper's hypothalamic reciprocal flip-flop circuit and a recurrent corticothalamic leaky integrate-and-fire spiking neural network. We formalize five clinical cohorts across an identical 72-hour photoperiod: healthy control, circadian rhythm sleep-wake disorder (delayed-phase), chronic insomnia, paradoxical insomnia, and narcolepsy type 1. The synthetic local field potential converges closely with empirical human electroencephalography spectra from the PhysioNet Sleep-EDF database across all canonical frequency bands (spectral mean absolute error of 0.33--0.35). Furthermore, we introduce the Well-Rested Index to quantify restorative efficacy. Simulations reveal that sleep duration fails to predict restorative recovery: paradoxical insomnia achieves normal total sleep time (21.15 h) yet yields low restoration (37.6%) from unsuppressed cortical beta-band intrusion, whereas hypocretin deficiency in narcolepsy produces severe nocturnal fragmentation (781 min of wake after sleep onset) and 35 sleep-onset rapid eye movement periods. DyssomniaNN provides an in silico platform for mechanistic sleep research and virtual neuropharmacology.
• Abstract（参考訳）: 主観的睡眠持続時間と主観的昼時障害の相違、特にパラドックス性不眠症における睡眠状態の誤認とナルコレプシー1型における境界不安定が顕著である。 本稿では,Borbélyの睡眠時ホメオスタシスとサーカディアン駆動の2プロセスの制御を,Saperの視床下部逆フリップフロップ回路と,皮質視床下部に漏れるインテグレート・アンド・ファイア・スパイキング神経ネットワークに結合させた多スケールバイオ物理計算フレームワークDyssomniaNNを提案する。 同じ72時間光周期で5つの臨床コホートを定式化した:健康管理、概日リズム睡眠覚醒障害(遅延相)、慢性不眠症、パラドックス性不眠症、ナルコレプシー1型。 合成局所電位は、すべての標準周波数帯(スペクトル平均絶対誤差0.33-0.35)にわたるPhyloNet Sleep-EDFデータベースから得られる経験的ヒト脳波スペクトルと密接に収束する。 さらに, 回復効果の定量化を目的としたウェルリセット指標を導入した。 パラドキカル不眠症は正常な総睡眠時間(21.15 h)を達成するが、抑制されていない皮質ベータバンドの侵入から低い回復時間(37.6%)を得るのに対し、ナルコレプシーの低クレチン欠乏症は夜行性の断片化(睡眠開始後781分間の覚醒)と35回の睡眠発症急速眼球運動を生じる。 DyssomniaNNは、メカニスティック睡眠研究と仮想神経薬理学のためのin silicoプラットフォームを提供する。

関連論文リスト

• Physiology as Language: Translating Respiration to Sleep EEG [43.02603129452492]
  本稿では,呼吸信号から睡眠脳波(EEG)を合成するクロス生理学的翻訳タスクを紹介する。 離散トークン化により脳波の標的空間を制約しながら、微細な呼吸動態を保ちながら波形条件生成フレームワークを提案する。 脳波スペクトログラム再構成では,28,000人以上の被験者を対象に,平均絶対誤差を7%以上達成している。
  論文  参考訳（メタデータ） (2026-01-31T05:44:45Z)
• A robust generalizable device-agnostic deep learning model for sleep-wake determination from triaxial wrist accelerometry [0.816568176049513]
  我々は三軸加速度計から睡眠覚醒を検出するための頑健な深層学習モデルを開発した。 睡眠障害と非睡眠障害をともなう多年齢の成人において,3種類の装置で有効性を評価した。
  論文  参考訳（メタデータ） (2025-12-01T18:43:51Z)
• What Radio Waves Tell Us about Sleep [34.690382091650314]
  本研究では、睡眠中の人から反射される電波からの睡眠と夜間呼吸を受動的にモニタリングする高度な機械学習アルゴリズムを開発した。 睡眠時無呼吸(AUROC=0.88)を検知し,睡眠時無呼吸を検知した。 このモデルは、睡眠段階と、神経、精神医学、循環器、免疫疾患を含む様々な疾患の間の情報的相互作用を明らかにする。
  論文  参考訳（メタデータ） (2024-05-20T02:41:21Z)
• Single Channel EEG Based Insomnia Identification Without Sleep Stage Annotations [0.3495246564946556]
  不眠症患者50名,健常者50名を用いて,本モデルの有効性を検証した。 開発されたモデルでは、現在の睡眠監視システムを簡素化し、家庭内振動モニタリングを可能にする可能性がある。
  論文  参考訳（メタデータ） (2024-02-09T08:59:37Z)
• Sleep Activity Recognition and Characterization from Multi-Source Passively Sensed Data [67.60224656603823]
  睡眠活動認識法は、被験者の睡眠覚醒サイクルを評価し、監視し、特徴づけ、行動の変化を検出する指標を提供することができる。 本稿では,スマートフォンから受動的に知覚されたデータを連続的に操作して,睡眠の特徴を識別し,重要な睡眠エピソードを識別する一般的な方法を提案する。 これらの装置は、その用途により、連続的で客観的で非侵襲的な方法で被験者の生体リズムをプロファイルするための優れた代替データ源となっている。
  論文  参考訳（メタデータ） (2023-01-17T15:18:45Z)
• Heterogeneous Hidden Markov Models for Sleep Activity Recognition from Multi-Source Passively Sensed Data [67.60224656603823]
  精神科患者の受動的活動監視は、リアルタイムでの行動変化を検出するために不可欠である。 睡眠行動認識は、患者の活動サイクルを表現する行動マーカーである。 スマートフォンから受動的に検出されたデータは、患者の生体リズムに優れた代替手段である。
  論文  参考訳（メタデータ） (2022-11-08T17:29:40Z)
• Continual learning benefits from multiple sleep mechanisms: NREM, REM, and Synaptic Downscaling [51.316408685035526]
  先行学習を失うことなく、新しいタスクやスキルを連続して学習することは、人工ニューラルネットワークと生物学的ニューラルネットワークの両方にとって、計算上の課題である。 本稿では,3つの異なる睡眠成分のモデル化が,人工ニューラルネットワークの連続学習にどのように影響するかを検討する。
  論文  参考訳（メタデータ） (2022-09-09T13:45:27Z)
• MSED: a multi-modal sleep event detection model for clinical sleep analysis [62.997667081978825]
  ポリソムノグラムで睡眠イベントを共同検出する,単一のディープニューラルネットワークアーキテクチャを設計した。 モデルの性能は,F1,精度,リコールスコア,および指標値と臨床値との相関で定量化した。
  論文  参考訳（メタデータ） (2021-01-07T13:08:44Z)

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。