論文の概要: Distance Correlation Based Brain Functional Connectivity Estimation and
Non-Convex Multi-Task Learning for Developmental fMRI Studies
- arxiv url: http://arxiv.org/abs/2010.00116v1
- Date: Wed, 30 Sep 2020 21:48:52 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-13 00:12:07.467596
- Title: Distance Correlation Based Brain Functional Connectivity Estimation and
Non-Convex Multi-Task Learning for Developmental fMRI Studies
- Title(参考訳): 距離相関に基づく脳機能結合度推定と非凸マルチタスク学習による発達fMRI研究
- Authors: Li Xiao, Biao Cai, Gang Qu, Julia M. Stephen, Tony W. Wilson, Vince D.
Calhoun, and Yu-Ping Wang
- Abstract要約: 男性と女性における機能的接続の年齢差について検討した。
非関心機能型マルチタスク学習予測モデル(NCMTL)を提案する。
実験の結果,提案したNCMTLモデルは他の競合するMTLモデルよりも優れていた。
- 参考スコア(独自算出の注目度): 26.256396288380433
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Resting-state functional magnetic resonance imaging (rs-fMRI)-derived
functional connectivity patterns have been extensively utilized to delineate
global functional organization of the human brain in health, development, and
neuropsychiatric disorders. In this paper, we investigate how functional
connectivity in males and females differs in an age prediction framework. We
first estimate functional connectivity between regions-of-interest (ROIs) using
distance correlation instead of Pearson's correlation. Distance correlation, as
a multivariate statistical method, explores spatial relations of voxel-wise
time courses within individual ROIs and measures both linear and nonlinear
dependence, capturing more complex information of between-ROI interactions.
Then, a novel non-convex multi-task learning (NC-MTL) model is proposed to
study age-related gender differences in functional connectivity, where age
prediction for each gender group is viewed as one task. Specifically, in the
proposed NC-MTL model, we introduce a composite regularizer with a combination
of non-convex $\ell_{2,1-2}$ and $\ell_{1-2}$ regularization terms for
selecting both common and task-specific features. Finally, we validate the
proposed NC-MTL model along with distance correlation based functional
connectivity on rs-fMRI of the Philadelphia Neurodevelopmental Cohort for
predicting ages of both genders. The experimental results demonstrate that the
proposed NC-MTL model outperforms other competing MTL models in age prediction,
as well as characterizing developmental gender differences in functional
connectivity patterns.
- Abstract(参考訳): 安静時機能的磁気共鳴イメージング(rs-fMRI)による機能的接続パターンは、健康、発達、神経精神疾患において、人間の脳のグローバルな機能的組織を規定するために広く利用されている。
本稿では,男女間の機能的接続が年齢予測の枠組みでどのように異なるかを検討する。
まず,ピアソンの相関に代えて距離相関を用いて,関心領域間(rois)の機能的結合度を推定する。
多変量統計法として、距離相関は個々のROI内のボクセルの時間コースの空間的関係を探索し、線形および非線形の依存度を測り、ROI間の相互作用のより複雑な情報を取得する。
次に,男女別年齢予測を1つの課題とする機能接続における年齢関連性差を研究するために,新しい非凸型マルチタスク学習(nc-mtl)モデルを提案する。
具体的には,提案するnc-mtlモデルにおいて,非凸 $\ell_{2,1-2}$ と $\ell_{1-2}$ を組み合わせた複合正規化器を導入する。
最後に,このNC-MTLモデルと距離相関に基づく機能接続を併用したフィラデルフィア・ニューロ開発コホートのrs-fMRIを用いて,両者の性別の年齢を推定する。
実験の結果,nc-mtlモデルは年齢予測において他のmtlモデルよりも優れており,機能的接続パターンにおける発達的性差を特徴付ける。
関連論文リスト
- 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) - Capturing functional connectomics using Riemannian partial least squares [0.0]
神経疾患や疾患では、ヒトの脳の機能的および解剖学的コネクトームは、介入や治療戦略をよりよく知るために用いられる。
機能接続を解析するための1つのアプローチは、高次元の予測データのために設計された多変量回帰手法である、部分最小二乗法(PLS)を用いることである。
論文 参考訳(メタデータ) (2023-06-30T02:24:34Z) - Bayesian Models of Functional Connectomics and Behavior [0.0]
共同表現学習と予測のための完全ベイズ的定式化を提案する。
自閉症スペクトラム障害患者に対するr-fMRIの有用性について検討した。
論文 参考訳(メタデータ) (2023-01-15T20:42:31Z) - Multivariate Wasserstein Functional Connectivity for Autism Screening [82.68524566142271]
我々は,代表時系列を使わずに,興味のある地域を直接比較することを提案する。
自閉症スクリーニングタスクにおけるWasserstein機能接続性の評価を行った。
論文 参考訳(メタデータ) (2022-09-23T16:23:05Z) - Mixed Effects Neural ODE: A Variational Approximation for Analyzing the
Dynamics of Panel Data [50.23363975709122]
パネルデータ解析に(固定・ランダムな)混合効果を取り入れたME-NODEという確率モデルを提案する。
我々は、Wong-Zakai定理によって提供されるSDEの滑らかな近似を用いて、我々のモデルを導出できることを示す。
次に、ME-NODEのためのエビデンスに基づく下界を導出し、(効率的な)トレーニングアルゴリズムを開発する。
論文 参考訳(メタデータ) (2022-02-18T22:41:51Z) - Improving Phenotype Prediction using Long-Range Spatio-Temporal Dynamics
of Functional Connectivity [9.015698823470899]
空間と時間にまたがる機能的脳結合をモデル化するためのアプローチを提案する。
我々は、性別分類とインテリジェンス予測にヒューマン・コネクトーム・プロジェクト(Human Connectome Project)データセットを使用する。
その結果、性別の予測精度は94.4%、流体インテリジェンス(0.325対0.144)との相関は、空間と時間を別々に符号化するベースラインモデルと比較して改善された。
論文 参考訳(メタデータ) (2021-09-07T14:23:34Z) - Multi-Agent Imitation Learning with Copulas [102.27052968901894]
マルチエージェント模倣学習は、観察と行動のマッピングを学習することで、デモからタスクを実行するために複数のエージェントを訓練することを目的としている。
本稿では,確率変数間の依存を捉える強力な統計ツールである copula を用いて,マルチエージェントシステムにおける相関関係と協調関係を明示的にモデル化する。
提案モデルでは,各エージェントの局所的行動パターンと,エージェント間の依存構造のみをフルにキャプチャするコプラ関数を別々に学習することができる。
論文 参考訳(メタデータ) (2021-07-10T03:49:41Z) - Identification of brain states, transitions, and communities using
functional MRI [0.5872014229110214]
ベイズモデルに基づく潜在脳状態のキャラクタリゼーションを提案し,後方予測の不一致に基づく新しい手法を提案する。
タスク-fMRIデータの解析により得られた結果は、外部タスク要求と脳状態間の変化点の間の適切な遅延を示す。
論文 参考訳(メタデータ) (2021-01-26T08:10:00Z) - Provably Efficient Neural Estimation of Structural Equation Model: An
Adversarial Approach [144.21892195917758]
一般化構造方程式モデル(SEM)のクラスにおける推定について検討する。
線形作用素方程式をmin-maxゲームとして定式化し、ニューラルネットワーク(NN)でパラメータ化し、勾配勾配を用いてニューラルネットワークのパラメータを学習する。
提案手法は,サンプル分割を必要とせず,確固とした収束性を持つNNをベースとしたSEMの抽出可能な推定手順を初めて提供する。
論文 参考訳(メタデータ) (2020-07-02T17:55:47Z) - Modeling Shared Responses in Neuroimaging Studies through MultiView ICA [94.31804763196116]
被験者の大規模なコホートを含むグループ研究は、脳機能組織に関する一般的な結論を引き出す上で重要である。
グループ研究のための新しい多視点独立成分分析モデルを提案し、各被験者のデータを共有独立音源と雑音の線形結合としてモデル化する。
まず、fMRIデータを用いて、被験者間の共通音源の同定における感度の向上を示す。
論文 参考訳(メタデータ) (2020-06-11T17:29:53Z) - Spatio-Temporal Graph Convolution for Resting-State fMRI Analysis [11.85489505372321]
BOLD時系列の短いサブシーケンスに基づいて、時空間グラフ畳み込みネットワーク(ST-GCN)を訓練し、機能接続の非定常特性をモデル化する。
St-GCNはBOLD信号に基づいて性別や年齢を予測する一般的な手法よりもはるかに正確である。
論文 参考訳(メタデータ) (2020-03-24T01:56:50Z)
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。