論文の概要: Ensembling complex network 'perspectives' for mild cognitive impairment
detection with artificial neural networks
- arxiv url: http://arxiv.org/abs/2101.10629v1
- Date: Tue, 26 Jan 2021 08:38:11 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-13 19:36:31.934957
- Title: Ensembling complex network 'perspectives' for mild cognitive impairment
detection with artificial neural networks
- Title（参考訳）: ニューラルネットワークを用いた軽度認知障害検出のための複合ネットワーク「パースペクティブ」
- Authors: Eufemia Lella, Gennaro Vessio
- Abstract要約: 本研究では,複合ネットワークとニューラルネットワークのパラダイムを共同利用した軽度の認知障害検出手法を提案する。
特に、この手法は、異なる脳構造「パースペクティブ」を人工ニューラルネットワークでアンサンブルすることに基づいている。
- 参考スコア（独自算出の注目度）: 5.194561180498554
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In this paper, we propose a novel method for mild cognitive impairment
detection based on jointly exploiting the complex network and the neural
network paradigm. In particular, the method is based on ensembling different
brain structural "perspectives" with artificial neural networks. On one hand,
these perspectives are obtained with complex network measures tailored to
describe the altered brain connectivity. In turn, the brain reconstruction is
obtained by combining diffusion-weighted imaging (DWI) data to tractography
algorithms. On the other hand, artificial neural networks provide a means to
learn a mapping from topological properties of the brain to the presence or
absence of cognitive decline. The effectiveness of the method is studied on a
well-known benchmark data set in order to evaluate if it can provide an
automatic tool to support the early disease diagnosis. Also, the effects of
balancing issues are investigated to further assess the reliability of the
complex network approach to DWI data.
- Abstract（参考訳）: 本稿では,複合ネットワークとニューラルネットワークのパラダイムを共同利用した軽度の認知障害検出手法を提案する。
特に、この手法は、異なる脳構造「パースペクティブ」を人工ニューラルネットワークでアンサンブルすることに基づいている。
一方、これらの視点は、変化した脳の接続性を記述するのに適した複雑なネットワーク測度によって得られる。
次に、拡散強調画像(dwi)データをトラクトグラフィアルゴリズムに組み合わせることにより、脳再構成を得る。
一方、ニューラルネットワークは、脳のトポロジカルな性質から認知低下の有無へのマッピングを学習する手段を提供する。
本手法の有効性は, 早期診断を支援する自動診断ツールを提供できるかどうかを評価するために, 有名なベンチマークデータセットを用いて検討した。
また、DWIデータに対する複雑なネットワークアプローチの信頼性をさらに評価するために、バランスの問題の影響を調査します。
関連論文リスト
- Adapting the Biological SSVEP Response to Artificial Neural Networks [5.4712259563296755]
本稿では,神経科学の手法である周波数タギングに触発されたニューロン重要度評価に対する新しいアプローチを提案する。
画像分類のための畳み込みニューラルネットワークを用いて行った実験では、パートベースの周波数タギングの下でのニューロン特異的応答における顕著な調和と相互変調が明らかにされた。
提案手法は,ネットワークプルーニングやモデル解釈可能性などの応用を約束し,説明可能な人工知能の進歩に寄与する。
論文 参考訳（メタデータ） (2024-11-15T10:02:48Z) - Statistical tuning of artificial neural network [0.0]
本研究では、ニューラルネットワークの理解を強化する方法を紹介し、特に1つの隠蔽層を持つモデルに焦点を当てる。
本稿では,入力ニューロンの意義を統計的に評価し,次元減少のためのアルゴリズムを提案する。
この研究は、ニューラルネットワークを解釈するための堅牢な統計フレームワークを提示することにより、説明可能な人工知能の分野を前進させる。
論文 参考訳（メタデータ） (2024-09-24T19:47:03Z) - D-CoRP: Differentiable Connectivity Refinement for Functional Brain Networks [4.675640373196467]
脳ネットワークの既存のモデルは、通常、脳の領域に焦点を当てたり、脳の結合性の複雑さを見落としたりする。
我々は脳の接続性を改善するための識別可能なモジュールを開発した。
実験の結果,提案手法は様々なベースラインモデルの性能を大幅に向上させることができることがわかった。
論文 参考訳（メタデータ） (2024-05-28T23:49:52Z) - BrainNetDiff: Generative AI Empowers Brain Network Generation via
Multimodal Diffusion Model [7.894526238189559]
我々は、マルチヘッドトランスフォーマーエンコーダを組み合わせてfMRI時系列から関連する特徴を抽出するBrainNetDiffを紹介する。
健康・神経障害コホートにおける脳ネットワーク構築におけるこの枠組みの適用性を検証する。
論文 参考訳（メタデータ） (2023-11-09T08:27:12Z) - Correlative Information Maximization: A Biologically Plausible Approach
to Supervised Deep Neural Networks without Weight Symmetry [43.584567991256925]
本稿では,生体神経ネットワークにおける信号伝達を前方方向と後方方向の両方で記述するための新しい規範的アプローチを提案する。
このフレームワークは、従来のニューラルネットワークとバックプロパゲーションアルゴリズムの生物学的評価可能性に関する多くの懸念に対処する。
提案手法は,前方信号伝搬路と後方信号伝搬路の重み対称性問題に対する自然な解法を提供する。
論文 参考訳（メタデータ） (2023-06-07T22:14:33Z) - Contrastive-Signal-Dependent Plasticity: Self-Supervised Learning in Spiking Neural Circuits [61.94533459151743]
この研究は、スパイキングネットワークのシナプスを調整するための神経生物学的に動機づけられたスキームを設計することの課題に対処する。
我々の実験シミュレーションは、繰り返しスパイクネットワークを訓練する際、他の生物学的に証明可能なアプローチに対して一貫した優位性を示す。
論文 参考訳（メタデータ） (2023-03-30T02:40:28Z) - Searching for the Essence of Adversarial Perturbations [73.96215665913797]
本稿では,ニューラルネットワークの誤予測の原因となる,人間の認識可能な情報を含む対人摂動について述べる。
この人間の認識可能な情報の概念は、敵の摂動に関連する重要な特徴を説明できる。
論文 参考訳（メタデータ） (2022-05-30T18:04:57Z) - 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) - Data-driven emergence of convolutional structure in neural networks [83.4920717252233]
識別タスクを解くニューラルネットワークが、入力から直接畳み込み構造を学習できることを示す。
データモデルを慎重に設計することにより、このパターンの出現は、入力の非ガウス的、高次局所構造によって引き起こされることを示す。
論文 参考訳（メタデータ） (2022-02-01T17:11:13Z) - Emotional EEG Classification using Connectivity Features and
Convolutional Neural Networks [81.74442855155843]
CNNと脳のつながりを利用した新しい分類システムを導入し,その効果を感情映像分類により検証する。
対象映像の感情的特性に関連する脳接続の集中度は分類性能と相関する。
論文 参考訳（メタデータ） (2021-01-18T13:28:08Z) - Towards Interaction Detection Using Topological Analysis on Neural
Networks [55.74562391439507]
ニューラルネットワークでは、あらゆる相互作用する特徴は共通の隠蔽ユニットとの強い重み付けの接続に従う必要がある。
本稿では, 永続的ホモロジーの理論に基づいて, 相互作用強度を定量化するための新しい尺度を提案する。
PID(Persistence Interaction Detection)アルゴリズムを開発した。
論文 参考訳（メタデータ） (2020-10-25T02:15:24Z)
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。