論文の概要: A discrete-continuous-time stochastic framework for attention-deficit/hyperactivity disorder-related symptom modeling and pharmacological intervention via methylphenidate

• arxiv url: http://arxiv.org/abs/2610.25285v1
• Date: Sun, 18 Oct 2026 14:05:43 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:37:52.772542
• Title: A discrete-continuous-time stochastic framework for attention-deficit/hyperactivity disorder-related symptom modeling and pharmacological intervention via methylphenidate
• Title（参考訳）: 注意欠陥・高活動障害関連症状モデリングとメチルフェニネートによる薬理学的介入のための離散連続時間確率的枠組み
• Abstract要約: 本稿では, 注意欠陥多動性障害の非線形力学に作用する最適方針として, メチルフェニレートの有効性をモデル化するための数学的・計算的な枠組みを提案する。 薬理学的介入は、外部制御シグナルとして数学的に形式化され、システムのドリフトを再評価し、これらの軌道をニューロタイプな状態にリダイレクトする。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: This paper presents an original mathematical and computational framework for modeling the efficacy of methylphenidate as an optimal control policy acting on the nonlinear dynamics of attention deficit hyperactivity disorder. Neural processes in ADHD are conceptualized as stochastic processes with trajectories that inherently converge towards stable, yet dysfunctional patterns associated with clinical symptoms. The pharmacological intervention is mathematically formalized as an external control signal that reassesses the system's drift and redirects these trajectories towards neurotypical regimes. To bridge these theoretical stochastic models with empirical clinical data, latent representations are inferred using a novel deterministic hybrid deep learning architecture, combining a one-dimensional convolutional neural network and a Vision Transformer, trained on preprocessed functional magnetic resonance imaging data.
• Abstract（参考訳）: 本稿では,注意欠陥多動性障害の非線形力学に作用する最適制御政策として,メチルフェニレートの有効性をモデル化するための数学的・計算的な枠組みを提案する。 ADHDの神経過程は、本質的には、臨床症状に関連する安定した、しかし機能不全なパターンに収束する軌跡を持つ確率過程として概念化されている。 薬理学的介入は、外部制御シグナルとして数学的に形式化され、システムのドリフトを再評価し、これらの軌道をニューロタイプな状態にリダイレクトする。 これらの理論的確率モデルを経験的臨床データでブリッジするために、潜在表現は1次元畳み込みニューラルネットワークと、前処理された機能的磁気共鳴画像データに基づいて訓練されたビジョントランスフォーマーを組み合わせた、新しい決定論的ハイブリッドディープラーニングアーキテクチャを用いて推論される。

関連論文リスト

• Structured Hybrid Mechanistic Models for Robust Estimation of Time-Dependent Intervention Outcomes [9.820469663506882]
  動的システムにおける介入効果の推定は結果の最適化に不可欠である。 力学モデルは典型的には頑丈であるが、過度に単純化されることもある。 本稿では,時間依存的介入結果の予測のためのハイブリッドなメカニスティック・データ駆動手法を提案する。
  論文  参考訳（メタデータ） (2026-02-11T20:39:41Z)
• Generative Modeling of Clinical Time Series via Latent Stochastic Differential Equations [0.5753241925582826]
  本稿では,臨床時系列を基礎となる制御力学系の離散時間部分観察とみなす生成的モデリングフレームワークを提案する。 我々のアプローチは、状態推定とパラメータ学習を行いながら、モード依存エミッションモデルを用いたニューラルSDEによる潜時ダイナミクスをモデル化する。 この定式化は自然に観察をサンプリングし、複雑な非線形相互作用を学び、疾患の進行と測定ノイズの相補性を捉える。
  論文  参考訳（メタデータ） (2025-11-20T14:50:49Z)
• Conditional Neural ODE for Longitudinal Parkinson's Disease Progression Forecasting [51.906871559732245]
  パーキンソン病(PD)は異質で進化する脳形態計測パターンを示す。 これらの縦方向の軌跡をモデル化することで、機械的な洞察、治療の発展、そして個別化された「デジタルツイン」予測が可能になる。 連続的な個人化されたPD進行予測のための新しいフレームワークであるCNODEを提案する。
  論文  参考訳（メタデータ） (2025-11-06T20:16:33Z)
• Scientific Machine Learning of Chaotic Systems Discovers Governing Equations for Neural Populations [0.05804487044220691]
  カオス力学系から解釈可能な数学的表現を抽出するPEM-UDE法を提案する。 神経集団に適用した場合、生物学的制約を尊重する新しい支配方程式を導出する。 これらの方程式は、ニューラルネットワークにおける接続密度と発振周波数と同期の両方の創発的関係を予測する。
  論文  参考訳（メタデータ） (2025-07-04T14:57:58Z)
• Connectivity structure and dynamics of nonlinear recurrent neural networks [41.038855001225826]
  ニューラルネットワークにおける接続構造が高次元集合活動をどのように形成するかを解析する理論を開発する。 単一ニューロンの活動では接続構造は見えず,集団活動は劇的に形成されている。
  論文  参考訳（メタデータ） (2024-09-03T15:08:37Z)
• Interpretable Spatio-Temporal Embedding for Brain Structural-Effective Network with Ordinary Differential Equation [56.34634121544929]
  本研究では,まず動的因果モデルを用いて脳効果ネットワークを構築する。 次に、STE-ODE(Spatio-Temporal Embedding ODE)と呼ばれる解釈可能なグラフ学習フレームワークを導入する。 このフレームワークは、構造的および効果的なネットワーク間の動的相互作用を捉えることを目的とした、特異的に設計されたノード埋め込み層を含んでいる。
  論文  参考訳（メタデータ） (2024-05-21T20:37:07Z)
• Brain Imaging-to-Graph Generation using Adversarial Hierarchical Diffusion Models for MCI Causality Analysis [44.45598796591008]
  機能的磁気共鳴画像(fMRI)を軽度認知障害解析のための効果的な接続性にマッピングするために,脳画像から画像へのBIGG(Brain Imaging-to-graph generation)フレームワークを提案する。 発電機の階層変換器は、複数のスケールでノイズを推定するように設計されている。 ADNIデータセットの評価は,提案モデルの有効性と有効性を示す。
  論文  参考訳（メタデータ） (2023-05-18T06:54:56Z)
• Continuous Forecasting via Neural Eigen Decomposition of Stochastic Dynamics [47.82509795873254]
  本稿では,スパース観測と適応力学を用いた逐次予測のためのニューラル固有SDEアルゴリズムを提案する。 NESDEは、スパース観測による効率的な頻繁な予測を可能にするために、力学モデルに固有分解を適用する。 我々は,MIMIC-IVデータセットにおけるヘパリン投与後の血液凝固の患者適応予測を初めて行った。
  論文  参考訳（メタデータ） (2022-01-31T22:16:50Z)
• Learning Dynamic and Personalized Comorbidity Networks from Event Data using Deep Diffusion Processes [102.02672176520382]
  コンコルビンド病は、個人によって異なる複雑な時間的パターンを通じて発生し進行する。 電子的な健康記録では、患者が持つ異なる疾患を観察できるが、それぞれの共死状態の時間的関係を推測できるだけである。 我々は「ダイナミック・コオービディティ・ネットワーク」をモデル化するための深層拡散プロセスを開発する。
  論文  参考訳（メタデータ） (2020-01-08T15:47:08Z)

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。