論文の概要: From Connectomic to Task-evoked Fingerprints: Individualized Prediction
of Task Contrasts from Resting-state Functional Connectivity
- arxiv url: http://arxiv.org/abs/2008.02961v1
- Date: Fri, 7 Aug 2020 02:44:16 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-02 01:03:06.622326
- Title: From Connectomic to Task-evoked Fingerprints: Individualized Prediction
of Task Contrasts from Resting-state Functional Connectivity
- Title(参考訳): コネクショミックからタスク誘発フィンガープリント:静止状態関数接続性からタスクコントラストの個別予測
- Authors: Gia H. Ngo, Meenakshi Khosla, Keith Jamison, Amy Kuceyeski, Mert R.
Sabuncu
- Abstract要約: Resting-state functional MRI (rsfMRI) は、個人の認知指紋として機能する機能的コネクトームを産生する。
静止状態の指紋から個々のタスクのコントラストを予測するために,面ベース畳み込みニューラルネットワーク(BrainSurfCNN)モデルを提案する。
- 参考スコア(独自算出の注目度): 17.020869686284165
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Resting-state functional MRI (rsfMRI) yields functional connectomes that can
serve as cognitive fingerprints of individuals. Connectomic fingerprints have
proven useful in many machine learning tasks, such as predicting
subject-specific behavioral traits or task-evoked activity. In this work, we
propose a surface-based convolutional neural network (BrainSurfCNN) model to
predict individual task contrasts from their resting-state fingerprints. We
introduce a reconstructive-contrastive loss that enforces subject-specificity
of model outputs while minimizing predictive error. The proposed approach
significantly improves the accuracy of predicted contrasts over a
well-established baseline. Furthermore, BrainSurfCNN's prediction also
surpasses test-retest benchmark in a subject identification task.
- Abstract(参考訳): Resting-state functional MRI (rsfMRI)は、個人の認知指紋として機能する機能的コネクトームである。
接続指紋は、主観的な行動特性の予測やタスク誘発活動など、多くの機械学習タスクで有用であることが証明されている。
本研究では,静止状態の指紋と個々のタスクのコントラストを予測するために,表面ベースの畳み込みニューラルネットワーク(BrainSurfCNN)モデルを提案する。
予測誤差を最小化しつつ,モデル出力の主観的特異性を強制する再構成コントラスト損失を導入する。
提案手法は, よく確立されたベースラインに対する予測コントラストの精度を大幅に向上させる。
さらに、BrainSurfCNNの予測は、被検体識別タスクにおけるテスト-テストベンチマークを上回っている。
関連論文リスト
- Causality-based Subject and Task Fingerprints using fMRI Time-series Data [8.268840872881213]
本稿では,「因果指紋」の概念を開拓し,定量化する。
実験結果と非因果性に基づく手法との比較により,提案手法の有効性が示された。
我々の研究は、健康管理と神経変性疾患の両方に適用可能な因果指紋のさらなる研究の道を開く。
論文 参考訳(メタデータ) (2024-09-26T21:10:50Z) - Zero-shot Learning of Individualized Task Contrast Prediction from
Resting-state Functional Connectomes [9.78824332635036]
機械学習モデルを用いて、安静時機能MRI(sfMRI)スキャンを用いて、主観的なタスク誘発活動を予測することができる。
RSfMRIスキャンは比較的容易に収集できるが、十分なタスクfMRIスキャンを得ることは、より複雑な実験設計や手順を必要とするため、はるかに困難である。
グループ平均コントラストを利用して、新規タスクのゼロショット予測を可能にすることにより、この依存を低減できることを示す。
論文 参考訳(メタデータ) (2023-10-21T20:12:22Z) - Bayesian Networks for the robust and unbiased prediction of depression
and its symptoms utilizing speech and multimodal data [65.28160163774274]
我々は,抑うつ,抑うつ症状,および,胸腺で収集された音声,表情,認知ゲームデータから得られる特徴の関連性を把握するためにベイズ的枠組みを適用した。
論文 参考訳(メタデータ) (2022-11-09T14:48:13Z) - Prediction intervals for neural network models using weighted asymmetric
loss functions [0.3093890460224435]
本稿では,近似および予測された傾向に対する予測区間(PI)を簡便かつ効率的に生成する手法を提案する。
本手法は、重み付き非対称損失関数を利用して、PIの上下境界を推定する。
パラメトリド関数のPIを導出するためにどのように拡張できるかを示し、深層ニューラルネットワークのトレーニングにおいてその有効性について議論する。
論文 参考訳(メタデータ) (2022-10-09T18:58:24Z) - NUQ: Nonparametric Uncertainty Quantification for Deterministic Neural
Networks [151.03112356092575]
本研究では,Nadaraya-Watson の条件付きラベル分布の非パラメトリック推定に基づく分類器の予測の不確かさの測定方法を示す。
種々の実世界の画像データセットにおける不確実性推定タスクにおいて,本手法の強い性能を示す。
論文 参考訳(メタデータ) (2022-02-07T12:30:45Z) - Head Matters: Explainable Human-centered Trait Prediction from Head
Motion Dynamics [15.354601615061814]
本研究は,行動分析におけるキネム(kiinemes)と呼ばれる初等頭部運動ユニットの有用性を実証する。
頭の動きパターンを一連のキネムに変換することで、標的となる特徴を特徴付ける潜時的なシグネチャの発見が容易になる。
論文 参考訳(メタデータ) (2021-12-15T12:17:59Z) - Learning Personal Representations from fMRIby Predicting Neurofeedback
Performance [52.77024349608834]
機能的MRI(fMRI)によって導かれる自己神経変調タスクを行う個人のための個人表現を学習するためのディープニューラルネットワーク手法を提案する。
この表現は、直近のfMRIフレームが与えられた次のfMRIフレームにおける扁桃体活動を予測する自己教師型リカレントニューラルネットワークによって学習され、学習された個々の表現に条件付けされる。
論文 参考訳(メタデータ) (2021-12-06T10:16:54Z) - And/or trade-off in artificial neurons: impact on adversarial robustness [91.3755431537592]
ネットワークに十分な数のOR様ニューロンが存在すると、分類の脆さと敵の攻撃に対する脆弱性が増加する。
そこで我々は,AND様ニューロンを定義し,ネットワーク内での割合を増大させる対策を提案する。
MNISTデータセットによる実験結果から,本手法はさらなる探索の方向として有望であることが示唆された。
論文 参考訳(メタデータ) (2021-02-15T08:19:05Z) - Clinical Risk Prediction with Temporal Probabilistic Asymmetric
Multi-Task Learning [80.66108902283388]
マルチタスク学習手法は、臨床リスク予測などの安全クリティカルな応用に注意を払って使用すべきである。
既存の非対称なマルチタスク学習手法は、低損失のタスクから高損失のタスクへの知識伝達を行うことにより、この負の伝達問題に対処する。
特徴レベルの不確実性に基づいて,特定のタスク/タイムステップから関連する不確実なタスクへの知識伝達を行う,新しい時間的非対称型マルチタスク学習モデルを提案する。
論文 参考訳(メタデータ) (2020-06-23T06:01:36Z) - Learning What Makes a Difference from Counterfactual Examples and
Gradient Supervision [57.14468881854616]
ニューラルネットワークの一般化能力を改善するための補助的学習目標を提案する。
我々は、異なるラベルを持つ最小差の例のペア、すなわち反ファクトまたはコントラストの例を使用し、タスクの根底にある因果構造を示す信号を与える。
このテクニックで訓練されたモデルは、配布外テストセットのパフォーマンスを向上させる。
論文 参考訳(メタデータ) (2020-04-20T02:47:49Z)
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。