論文の概要: CogDrift-4D: Hierarchical Multimodal Modeling of Temporal Behavioral Decay for MCI Detection
- arxiv url: http://arxiv.org/abs/2610.20877v1
- Date: Wed, 14 Oct 2026 20:08:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-16 19:13:16.055293
- Title: CogDrift-4D: Hierarchical Multimodal Modeling of Temporal Behavioral Decay for MCI Detection
- Title（参考訳）: CogDrift-4D:MCI検出のための時間的行動減衰の階層的マルチモーダルモデリング
- Abstract要約: 18ヶ月の地平線上で、7つの非記述的マルチモーダル相互作用にまたがる行動データセットを導入する。
このデータセットは、連続的な多セッション相互作用を高密度な4次元テンソルにフォーマル化する。
本稿では,CagDrift-4Dを提案する。
- 参考スコア（独自算出の注目度）: 11.727566339713682
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Early detection of mild cognitive impairment remains a critical bottleneck in dementia care, demanding scalable tools capable of capturing subtle behavioral decay. To capture the subtle temporal changes of cognitive decline, we introduce a behavioral dataset collected across seven unscripted multimodal interactions over an 18-month horizon. This dataset formalizes continuous, multi-session interactions into a dense 4D tensor (Batch * Session * Time * Feature) that explicitly preserves concurrent local dynamics alongside long-term changes. To effectively process these complex behavioral patterns, we propose CogDrift-4D: a novel, hierarchical 4D Transformer framework. To capture the complex trajectory of cognitive decline, CogDrift-4D implements a dual-level behavioral fatigue and drift modeling architecture. At the intra-session level, the model computes localized least-squares regression slopes to quantify the acute ``fading'' of frame-level facial action units and acoustic energy. At the inter-session level, a recursive cross-attention feedback encoder acts as a cumulative fatigue accumulator, mapping the patient's continuous behavioral drift across successive sessions. To mitigate environmental noise and track failures across sessions, a localized Quality Gate dynamically filters low-integrity features before final fusion, also an early fusion that integrates semantic insights with raw physical dynamics. Evaluated on structured verbal and linguistic interactions, our architecture successfully detects MCI with a classification accuracy of 0.733 +- 0.13 and an F1-score of 0.716 +- 0.14, outperforming advanced baselines. The framework provides a mathematically rigorous, scalable, and robust foundation for home-based, real-time dementia screening.
- Abstract（参考訳）: 軽度の認知障害の早期発見は認知症治療において重要なボトルネックであり、微妙な行動崩壊を捉えることのできるスケーラブルなツールを必要としている。
認知低下の微妙な時間的変化を捉えるために,18ヶ月の地平線上での7つの非記述的マルチモーダル相互作用にまたがる行動データセットを導入する。
このデータセットは、連続したマルチセッションの相互作用を高密度な4Dテンソル(バッチ*セッション*タイム*フィーチャー)に形式化し、長期的変化とともに並列な局所力学を明示的に保存する。
複雑な動作パターンを効果的に処理するために,CagDrift-4Dを提案する。
CogDrift-4Dは認知低下の複雑な軌跡を捉えるために、二重レベルの挙動疲労とドリフトモデリングアーキテクチャを実装している。
セッション内レベルでは、モデルが局所化された最小二乗回帰勾配を計算し、フレームレベルの顔アクションユニットの「フェイディング」と音響エネルギーを定量化する。
セッション間レベルでは、再帰的クロスアテンションフィードバックエンコーダが累積疲労蓄積器として働き、連続したセッション間で患者の継続的な行動ドリフトをマッピングする。
セッション間の環境ノイズや障害の追跡を緩和するために、ローカライズされたQuality Gateは、最終融合の前に低統合性を動的にフィルタリングする。
構造的言語相互作用と言語相互作用を評価した結果,MCIの分類精度は0.733+-0.13で,F1スコアは0.716+-0.14であり,高度なベースラインよりも優れていた。
このフレームワークは、家庭ベースのリアルタイム認知症スクリーニングのための数学的に厳格でスケーラブルで堅牢な基盤を提供する。
関連論文リスト
- MAC-Net: A Multi-Task Deep Learning Framework for Modeling Cognitive Function From Task-Based fMRI [2.063951345911127]
タスクベースfMRI(tfMRI)から個々の認知機能をモデル化するためのマルチタスク・アクティベーション・コントラスト・ネットワーク(MAC-Net)を提案する。
MAC-NetはtfMRIの特徴を専用神経経路に分離し、変数を終端遅延融合経路に制限する。
MAC-Netは再現可能な認知機能推定を行い,臨床翻訳のための堅牢な神経工学的枠組みを確立した。
論文 参考訳（メタデータ） (2026-09-27T10:45:24Z) - Freezing of Gait Prediction Under Spatial Occlusion: An IMU-Supervised Cross-Modal Distillation Approach [0.0]
パーキンソン病(英: Parkinson disease)は、運動制御の段階的な低下を特徴とする進行性神経変性疾患である。
自動フリーズ・オブ・ゲイト(FOG)検出は歩行関連運動障害の客観的評価を支援する。
FOG予測には, (i) 患者の動作の映像記録を分析し, (ii) 下肢に装着した慣性計測装置(IMU) ウェアラブルセンサを用いて収集したデータを解析する。
ビデオベースのアプローチは、下肢が相当な幾何学的自己閉塞を受けており、ポーズ推定の精度が低下するため、連続的なターン・イン・プレイス・タスク中に検出エラーを被る可能性がある。
論文 参考訳（メタデータ） (2026-09-09T07:29:13Z) - ProCA: Progressive Contrastive Alignment for Robust EEG Visual Decoding [47.35612571473169]
EEGビジュアルデコーディングは、非侵襲的な神経時系列信号から視覚的セマンティクスを回復することを目的としている。
既存の手法は固定された視覚的あるいはテキスト的アンカーに依存しており、その意味的関係は、試行錯誤、主題、学習段階によって異なる脳波表現と一致している可能性がある。
本稿では,適応型ニューラル・セマンティックアライメントのための統一的でモデルに依存しないフレームワークであるProgressive Contrastive Alignment(ProCA)を提案する。
論文 参考訳（メタデータ） (2026-09-04T12:48:25Z) - Can Conversational Temporal Dynamics Improve Depression Detection in Dyads? A Preliminary Investigation in Multi-Modality Perspectives [45.77288458953584]
自己教師型エンコーダを融合した主モータリティとして,会話の時間的ダイナミクス,特にダイアド・ターンペアのタイミングについて検討する。
小型24次元タイミングモジュールを凍結型WavLM型およびRoBERTa型ベースライン検出器と比較した。
学習された融合は、効果的にゼロウェイトを音響に割り当て、会話のタイミングがダイアドうつ病スクリーニングの軽量で解釈可能な補完となることを示した。
論文 参考訳（メタデータ） (2026-07-04T07:33:22Z) - Distance-Aware Joint Spatio-Temporal Graph Contrastive Learning for Major Depressive Disorder Diagnosis [14.96995835279229]
大うつ病(Major depressive disorder、MDD)は、安静時機能的MRI(rs-fMRI)からの正確な診断が困難である一般的な疾患である。
動的機能接続(DFC)は、脳領域間の時間的相互作用を捉え、リッチ時間相関を提供するが、DFCベースの手法には3つの制限がある。
論文 参考訳（メタデータ） (2026-05-22T06:12:31Z) - Monitoring Neural Training with Topology: A Footprint-Predictable Collapse Index [51.56484100374058]
我々は,MHM(Modular Morse Homology maintenance)とCI(Composite Collapse Index)を併用したオンライントポロジ対応型神経表現モニタを提案する。
コンプレックスを再構築する代わりに、スパース編集を一定のスケールで適用し、離散的なモースマッチングを維持し、高速でインクリメンタルな更新をもたらす。
論文 参考訳（メタデータ） (2026-04-28T19:21:21Z) - Moving Beyond Functional Connectivity: Time-Series Modeling for fMRI-Based Brain Disorder Classification [8.837732238971187]
機能的磁気共鳴イメージング(fMRI)は、血液酸素レベル依存(BOLD)シグナルをキャプチャすることで、非侵襲的な脳障害の分類を可能にする。
既存のほとんどの手法はピアソン相関による機能接続(FC)に依存している。
5つの公開データセットにまたがる生のBOLD信号に関する最先端の時間モデルをベンチマークする。
論文 参考訳（メタデータ） (2026-02-09T04:42:42Z) - TARDis: Time Attenuated Representation Disentanglement for Incomplete Multi-Modal Tumor Segmentation and Classification [10.329406702659123]
造影CT(Contrat-enhanced Computed Tomography)における腫瘍の分画と診断は,造影剤の生理的動態に大きく依存している。
既存のディープラーニングアプローチは、欠落した相を欠落した独立したチャネルとして扱い、血行動態の本質的な時間的連続性を無視している。
本稿では,連続時間短縮曲線の欠落点として欠落点を再定義する新しい物理認識フレームワークであるTime Attenuated Representation Disentanglement (TARDis)を提案する。
論文 参考訳（メタデータ） (2025-12-04T08:44:50Z) - Hierarchical Self-Supervised Representation Learning for Depression Detection from Speech [51.14752758616364]
音声による抑うつ検出 (SDD) は、従来の臨床評価に代わる有望で非侵襲的な代替手段である。
HAREN-CTCは,マルチタスク学習フレームワーク内でのクロスアテンションを用いて,多層SSL機能を統合した新しいアーキテクチャである。
このモデルはDAIC-WOZで0.81、MODMAで0.82の最先端マクロF1スコアを達成し、両方の評価シナリオで先行手法より優れている。
論文 参考訳（メタデータ） (2025-10-05T09:32:12Z) - Detecting Anomalies in Dynamic Graphs via Memory enhanced Normality [39.476378833827184]
動的グラフにおける異常検出は、グラフ構造と属性の時間的進化によって大きな課題となる。
時空間記憶強調グラフオートエンコーダ(STRIPE)について紹介する。
STRIPEは、AUCスコアが5.8%改善し、トレーニング時間が4.62倍速く、既存の手法よりも大幅に優れている。
論文 参考訳（メタデータ） (2024-03-14T02:26:10Z) - Coordinate Transformer: Achieving Single-stage Multi-person Mesh
Recovery from Videos [91.44553585470688]
ビデオから複数人の3Dメッシュを回収することは、バーチャルリアリティーや理学療法などにおけるグループ行動の自動認識に向けた重要な第一歩である。
本稿では,複数人物の時空間関係を直接モデル化し,同時にエンドツーエンドでマルチ・メッシュ・リカバリを行うコーディネート・トランスフォーマーを提案する。
3DPWデータセットの実験では、CoordFormerが最先端の精度を大幅に向上し、MPJPE、PAMPJPE、PVEの計測値でそれぞれ4.2%、8.8%、そして4.7%を上回った。
論文 参考訳（メタデータ） (2023-08-20T18:23:07Z)
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。