論文の概要: Identification of brain states, transitions, and communities using
functional MRI
- arxiv url: http://arxiv.org/abs/2101.10617v1
- Date: Tue, 26 Jan 2021 08:10:00 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-14 13:11:08.212977
- Title: Identification of brain states, transitions, and communities using
functional MRI
- Title(参考訳): 機能的MRIを用いた脳の状態、遷移、およびコミュニティの同定
- Authors: Lingbin Bian, Tiangang Cui, B.T. Thomas Yeo, Alex Fornito, Adeel Razi
and Jonathan Keith
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 0.5872014229110214
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Brain function relies on a precisely coordinated and dynamic balance between
the functional integration and segregation of distinct neural systems.
Characterizing the way in which neural systems reconfigure their interactions
to give rise to distinct but hidden brain states remains an open challenge. In
this paper, we propose a Bayesian model-based characterization of latent brain
states and showcase a novel method based on posterior predictive discrepancy
using the latent block model to detect transitions between latent brain states
in blood oxygen level-dependent (BOLD) time series. The set of estimated
parameters in the model includes a latent label vector that assigns network
nodes to communities, and also block model parameters that reflect the weighted
connectivity within and between communities. Besides extensive in-silico model
evaluation, we also provide empirical validation (and replication) using the
Human Connectome Project (HCP) dataset of 100 healthy adults. Our results
obtained through an analysis of task-fMRI data during working memory
performance show appropriate lags between external task demands and
change-points between brain states, with distinctive community patterns
distinguishing fixation, low-demand and high-demand task conditions.
- Abstract(参考訳): 脳機能は、異なる神経系の機能統合と分離の間の正確な調整と動的バランスに依存している。
神経系が相互作用を再構成し、異なるが隠れた脳の状態を生み出す方法を特徴付けることは、まだ未解決の課題である。
本論文では、潜時脳状態のベイズモデルに基づく評価法を提案し、潜時ブロックモデルを用いて、血中酸素レベル依存性(BOLD)時系列における潜時脳状態間の遷移を検出する新しい手法を提案する。
モデル内の推定パラメータのセットには、コミュニティにネットワークノードを割り当てる潜在ラベルベクターと、コミュニティ内とコミュニティ間の重み付き接続を反映したモデルパラメータが含まれている。
また,100人の健常成人を対象としたhuman connectome project (hcp) データセットを用いた実験的な検証(およびレプリケーション)を行う。
その結果,作業記憶におけるタスクfMRIデータの解析により,外的タスク要求と脳状態の変化点との間に適切な遅延がみられ,固定,低要求,高要求のタスク条件を区別する独特のコミュニティパターンが得られた。
関連論文リスト
- Contrastive-Signal-Dependent Plasticity: Forward-Forward Learning of
Spiking Neural Systems [73.18020682258606]
我々は、ニューロンの個々の層が並列に機能する、スパイキングニューロンユニットからなる神経模倣アーキテクチャを開発する。
コントラスト信号依存塑性(CSDP)と呼ばれるイベントベース前方学習の一般化を提案する。
いくつかのパターンデータセットに対する実験結果から,CSDPプロセスは分類と再構成の両方が可能な動的再帰スパイクネットワークのトレーニングに有効であることが示された。
論文 参考訳(メタデータ) (2023-03-30T02:40:28Z) - Patched Diffusion Models for Unsupervised Anomaly Detection in Brain MRI [55.78588835407174]
本稿では,正常脳解剖のパッチベース推定法として拡散モデルの生成タスクを再構築する手法を提案する。
腫瘍と多発性硬化症について検討し,既存のベースラインと比較して25.1%の改善がみられた。
論文 参考訳(メタデータ) (2023-03-07T09:40:22Z) - Interpretable Fusion Analytics Framework for fMRI Connectivity:
Self-Attention Mechanism and Latent Space Item-Response Model [0.0]
本稿では,ディープラーニングプロセスの分類結果を解釈する新しい分析フレームワークを提案する。
この枠組みを4種類の認知障害に適用することにより,本手法が重要なROI関数の決定に有効であることを示す。
論文 参考訳(メタデータ) (2022-07-04T17:01:18Z) - Functional2Structural: Cross-Modality Brain Networks Representation
Learning [55.24969686433101]
脳ネットワーク上のグラフマイニングは、臨床表現型および神経変性疾患のための新しいバイオマーカーの発見を促進する可能性がある。
本稿では,Deep Signed Brain Networks (DSBN) と呼ばれる新しいグラフ学習フレームワークを提案する。
臨床表現型および神経変性疾患予測の枠組みを,2つの独立した公開データセットを用いて検証した。
論文 参考訳(メタデータ) (2022-05-06T03:45:36Z) - Cross-Frequency Coupling Increases Memory Capacity in Oscillatory Neural
Networks [69.42260428921436]
クロス周波数カップリング(CFC)は、ニューロンの集団間での情報統合と関連している。
我々は,海馬および大脳皮質における観測された$theta - gamma$振動回路の計算的役割を予測するCFCのモデルを構築した。
CFCの存在は, 可塑性シナプスによって結合された神経細胞のメモリ容量を増加させることを示す。
論文 参考訳(メタデータ) (2022-04-05T17:13:36Z) - Ranking of Communities in Multiplex Spatiotemporal Models of Brain
Dynamics [0.0]
隠れマルコフグラフモデル(HMs)と呼ぶ多重脳状態グラフモデルとして、ニューラルHMMの解釈を提案する。
この解釈により、ネットワーク分析技術の完全なレパートリーを使用して、動的脳活動を分析することができる。
ランダムウォークに基づく手法を用いて,脳領域の重要なコミュニティを決定するための新しいツールを開発した。
論文 参考訳(メタデータ) (2022-03-17T12:14:09Z) - 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) - 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) - Time-Resolved fMRI Shared Response Model using Gaussian Process Factor
Analysis [19.237759421319957]
そこで我々は,S-GPFA(Shared Gaussian Process Factor Analysis)と呼ばれる新しいモデルを導入する。
シミュレーションデータを用いて地中真理潜伏構造を明らかにする上で,本モデルの有効性を実証し,公開可能なRaiderおよびSherlockデータセット上での時間分割マッチングとオブジェクト間類似性の実験的性能を再現した。
論文 参考訳(メタデータ) (2020-06-10T00:15:01Z) - Attend and Decode: 4D fMRI Task State Decoding Using Attention Models [2.6954666679827137]
我々は、Brain Attend and Decode (BAnD)と呼ばれる新しいアーキテクチャを提案する。
BAnDは残留畳み込みニューラルネットワークを用いて空間的特徴抽出と時間的モデリングを行う。
我々は,Human Connectome Project-Young Adult データセットの 7-task ベンチマークによる以前の研究と比較して,大幅な性能向上を実現している。
論文 参考訳(メタデータ) (2020-04-10T21:29:34Z) - 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。