論文の概要: Rethinking EEG Spatial Super-Resolution as Dynamic State Decomposition and Filtering

• arxiv url: http://arxiv.org/abs/2610.24528v1
• Date: Sat, 17 Oct 2026 07:41:58 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:06:45.233726
• Title: Rethinking EEG Spatial Super-Resolution as Dynamic State Decomposition and Filtering
• Title（参考訳）: 動的状態分解・フィルタリングとしてのEEG空間超解法の再考
• Abstract要約: EEG空間超解像は、スパース電極観測から高密度神経信号を回復することを目的としている。 現在の脳波状態は、以前の状態から受け継がれた予測可能な進化と、現在の観測で明らかになった新しい変化の2つの異なる情報源を含んでいる。 本研究では、逐次状態フィルタリング問題としてEEG空間超解像ストリーミングを定式化し、動的状態フィルタリング(DSF)を提案する。
• 参考スコア（独自算出の注目度）: 12.612406178536709
• License:
• Abstract: EEG spatial super-resolution aims to recover high-density neural signals from sparse electrode observations. Existing methods have achieved substantial progress through spatial modeling, generative reconstruction, and temporal representation learning. However, the current EEG state contains two different sources of information: predictable evolution inherited from preceding states and newly emerging changes revealed by the current observation. Most approaches typically do not model these two components explicitly. In this work, we formulate streaming EEG spatial super-resolution as a sequential state filtering problem and propose Dynamic State Filtering (DSF). Rather than relying on a single temporal reconstruction pathway, DSF combines a history-aware dynamical branch with an innovation-filtering branch that explicitly decomposes waveform-state estimation into prediction and observation-driven correction. To infer how spatially incomplete innovations should affect missing locations, DSF routes the observed innovations across electrodes through a mask-constrained, topology-aware transition operator and incorporates them through uncertainty-aware state correction. The two complementary estimates are finally fused to reconstruct the dense EEG signal. Experiments on SEED, SEED-IV and BCI2000 demonstrate that DSF improves reconstruction fidelity and downstream utility while maintaining robustness under dynamically changing and unreliable sparse observations.
• Abstract（参考訳）: EEG空間超解像は、スパース電極観測から高密度神経信号を回復することを目的としている。 既存の手法は空間的モデリング、生成的再構成、時間的表現学習を通じて大きな進歩を遂げている。 しかし、現在の脳波状態は、以前の状態から受け継がれた予測可能な進化と、現在の観測で明らかになった新しい変化の2つの異なる情報源を含んでいる。 ほとんどのアプローチでは、これらの2つのコンポーネントを明示的にモデル化しません。 本研究では,EEG空間超解像ストリーミングを逐次状態フィルタリング問題として定式化し,動的状態フィルタリング(DSF)を提案する。 単一の時間的再構成経路に頼るのではなく、DSFは履歴を意識した動的分岐と、波形状態の推定を予測と観測駆動補正に明示的に分解する革新的フィルタリング分岐を組み合わせている。 空間的に不完全なイノベーションが欠落した場所にどのように影響するかを推測するために、DSFは、観測されたイノベーションをマスクに拘束されたトポロジ対応の遷移演算子を通して電極間をルーティングし、不確実性を認識した状態補正によってそれらを組み込む。 2つの補完的な推定値が最終的に融合し、高密度の脳波信号を再構成する。 SEED、SEED-IV、BCI2000の実験は、DSFが動的に変化し、信頼性の低いスパース観測の下で頑健さを維持しながら、再建の忠実さと下流の実用性を改善することを示した。

関連論文リスト

• High-fidelity Three-Dimensional Flow Field Reconstruction Driven by Turbulent Fluid Dynamics [62.28345554656161]
  高忠実な3次元乱流場は、科学および工学的な分析に不可欠である。 粗いデータからの超解像再構成は、有望な代替手段となる。 既存のデータ駆動アプローチは、マルチスケールのボリューム構造を回復するのに依然として苦労している。 時間分解型3次元流れ再構成のための乱流認識フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-10-13T09:36:28Z)
• BAT3R: Robust Online 3D Reconstruction with Bayesian Adaptive State Updates [52.8467026754905]
  ストリーム3D再構成はこのボトルネックに対処する。 2つの相乗的加群からなる学習自由ベイズ適応フレームワークであるBAT3Rを紹介する。 BAT3Rは、最先端のオンライン3D再構成方法よりも一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2026-10-12T07:47:47Z)
• Decoupling Time and Space: A Temporally Conditioned Refinement for EEG Source Imaging [17.07891390780189]
  根底にある神経源を推定することは、ひどく不適切な空間的逆問題である。 本稿では,時間単位の空間的洗練からグローバルな時間的表現学習を明示的に分離する新しい2ストリームフレームワークを提案する。 人工脳波データのみに基づいて訓練されたモデルを実世界の脳波に適用する。
  論文  参考訳（メタデータ） (2026-10-05T17:15:47Z)
• Generalizable single-cell perturbation response prediction using energy-guided flow matching [53.501471839336084]
  scEGFlowは、制御と摂動した細胞状態をブリッジするエネルギー誘導フローマッチングフレームワークである。 scEGFlowは条件付きフローマッチングを用いて制御セルから摂動状態への連続的な遷移をモデル化する。 次に、これらの予測を補正し、操縦するために条件特異的なエネルギー勾配を適用し、フローモデルを再訓練することなく柔軟な調整を可能にする。
  論文  参考訳（メタデータ） (2026-09-27T03:53:41Z)
• Making Every Step Count: Spatio-Temporal Information Allocation for Imaging Inverse Problems [63.904793414062816]
  スペクトルベーススケジューリング(SAS)と計測分割アテンション(MPA)の2つの補完的およびトレーニング不要なコンポーネントを紹介する。 SASは、利用可能なNFEを、スペクトルおよびlogSNR幾何に従ってフロータイムに分散し、セマンティック探索と詳細精細化のバランスを良くする。 MPAは情報を弱い制約のある領域へ誘導し、意味的および構造的忠実性を高める。
  論文  参考訳（メタデータ） (2026-08-12T07:39:22Z)
• ProgFormer: Hierarchical Voxel Diffusion Transformer for Longitudinal Brain MRI Prediction [81.07048249760953]
  縦方向の変化は、しばしば微妙で、特定の解剖学的領域に限られる。 ほとんどの被験者固有の脳構造は、時間とともに安定している。 ProgFormerは、縦型脳MRI予測のための階層型ボクセル空間拡散変換器である。
  論文  参考訳（メタデータ） (2026-07-30T00:13:42Z)
• (HB-ARFM) History-Bootstrapped Flow Matching for Inverse Boiling Reconstruction [1.8533609637417354]
  部分可観測性を考慮した逆再構成のための履歴型自己回帰流マッチング(HB-ARFM)を提案する。 HB-ARFMは, 他のモデルが故障した場合の物理的, 時間的に有効な再構成を生成する。
  論文  参考訳（メタデータ） (2026-05-29T20:39:28Z)
• Diffusion Graph Posterior Sampling for Nonlinear Inverse Problems with Application to Electrical Impedance Tomography [4.444502855364884]
  本稿では,グラフ構造化サンプリング(DPS)データを拡張した新しいフレームワークを提案する。 我々は2次元三角形メッシュ上で無条件のスコアベース拡散モデルを構築した。 また、明示的な正規化項を含む正規化変項Sも導入する。
  論文  参考訳（メタデータ） (2026-05-19T09:57:10Z)
• UniV2D: Bridging Visual Restoration and Semantic Perception for Underwater Salient Object Detection [71.83097731030254]
  視覚的回復と有能な物体検出を協調的に最適化するUnified Vision-to-Detection Network (UniV2D)を提案する。 UniV2Dは、セマンティック駆動学習パラダイムを導入している。 定量評価と定性評価の両方において最先端の手法を著しく上回る。
  論文  参考訳（メタデータ） (2026-05-08T02:31:45Z)
• Dual Conditioned Motion Diffusion for Pose-Based Video Anomaly Detection [12.100563798908777]
  コンピュータビジョン研究にはビデオ異常検出(VAD)が不可欠である。 既存のVADメソッドは、再構築ベースのフレームワークまたは予測ベースのフレームワークを使用する。 ポーズに基づくビデオ異常検出に対処し、Dual Conditioned Motion Diffusionと呼ばれる新しいフレームワークを導入する。
  論文  参考訳（メタデータ） (2024-12-23T01:31:39Z)

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。