論文の概要: Frequency-specific segregation and integration of human cerebral cortex: an intrinsic functional atlas

• arxiv url: http://arxiv.org/abs/2103.14907v1
• Date: Sat, 27 Mar 2021 13:26:33 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-02 10:40:21.585399
• Title: Frequency-specific segregation and integration of human cerebral cortex: an intrinsic functional atlas
• Title（参考訳）: ヒト大脳皮質の周波数特異的偏析と統合:内在的機能アトラス
• Authors: Zhiguo Luo, Ling-Li Zeng, Hui Shen and Dewen Hu
• Abstract要約: スペクトル接続を用いてヒト大脳皮質の機能的接続を推定した。 固有クラスタリング法と勾配法を用いて周波数特異的解析を行った。 456パーセルを含む内在的機能アトラスを周波数にまたがって提案する。
• 参考スコア（独自算出の注目度）: 6.657556882683141
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The frequency-specific coupling mechanism of the functional human brain networks underpins its complex cognitive and behavioral functions. Nevertheless, it is not well unveiled what are the frequency-specific subdivisions and network topologies of the human brain. In this study, we estimated functional connectivity of the human cerebral cortex using spectral connection, and conducted frequency-specific parcellation using eigen-clustering and gradient-based methods, and then explored their topological structures. 7T fMRI data of 184 subjects in the HCP dataset were used for parcellation and exploring the topological properties of the functional networks, and 3T fMRI data of another 890 subjects were used to confirm the stability of the frequency-specific topologies. Seven to ten functional networks were stably integrated by two to four dissociable hub categories at specific frequencies, and we proposed an intrinsic functional atlas containing 456 parcels according to the parcellations across frequencies. The results revealed that the functional networks contained stable frequency-specific topologies, which may imply more abundant roles of the functional units and more complex interactions among them.
• Abstract（参考訳）: 機能的ヒト脳ネットワークの周波数特異的結合機構は、その複雑な認知機能と行動機能を支える。 それでも、人間の脳の周波数特異的な部分分割とネットワークトポロジーは明らかになっていない。 本研究では,スペクトル接続を用いてヒト大脳皮質の機能的接続を推定し,固有クラスター法と勾配法を用いて周波数特異的解析を行い,その位相構造を調べた。 7t fmriデータをhcpデータセットの184名とし, 機能的ネットワークのトポロジー特性を探索し, 周波数特異的トポロジーの安定性を確認するために, 他の890名の3t fmriデータを用いた。 7～10個の機能的ネットワークを2～4個の解離性ハブカテゴリで安定に統合し,周波数のパーセルに応じて456個のパーセルを含む内在性機能的アトラスを提案した。 その結果, 機能的ネットワークは安定な周波数特性を持つトポロジーを有しており, 機能的ユニットの役割や, より複雑な相互作用を示唆する可能性が示唆された。

関連論文リスト

• Accelerated Multi-Contrast MRI Reconstruction via Frequency and Spatial Mutual Learning [50.74383395813782]
  本稿では,周波数・空間相互学習ネットワーク(FSMNet)を提案する。 提案したFSMNetは, 加速度係数の異なるマルチコントラストMR再構成タスクに対して, 最先端の性能を実現する。
  論文  参考訳（メタデータ） (2024-09-21T12:02:47Z)
• Phononic materials with effectively scale-separated hierarchical features using interpretable machine learning [57.91994916297646]
  構造的階層的な音波材料は、複数の周波数範囲にわたるエラストダイナミック波と振動の有望なチューニング性を引き起こしている。 本稿では、各長さスケールの特徴が対象周波数範囲内の帯域ギャップをもたらす階層単位セルを求める。 提案手法は,階層型設計空間における新しい領域の探索を柔軟かつ効率的に行う手法である。
  論文  参考訳（メタデータ） (2024-08-15T21:35:06Z)
• Approximation of RKHS Functionals by Neural Networks [30.42446856477086]
  ニューラルネットワークを用いたHilbert空間(RKHS)を再現するカーネル上の関数の近似について検討する。 逆多重四元数、ガウス、ソボレフのカーネルによって誘導される場合の明示的な誤差境界を導出する。 ニューラルネットワークが回帰マップを正確に近似できることを示すため,機能回帰に本研究の成果を適用した。
  論文  参考訳（メタデータ） (2024-03-18T18:58:23Z)
• Going Beyond Neural Network Feature Similarity: The Network Feature Complexity and Its Interpretation Using Category Theory [64.06519549649495]
  機能的に等価な機能と呼ぶものの定義を提供します。 これらの特徴は特定の変換の下で等価な出力を生成する。 反復的特徴マージ(Iterative Feature Merging)というアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-10-10T16:27:12Z)
• 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)
• Frequency and Scale Perspectives of Feature Extraction [5.081561820537235]
  ニューラルネットワークの周波数とスケールに対する感度を分析する。 ニューラルネットワークは低周波と中周波のバイアスを持つが、異なるクラスに対して異なる周波数帯域を好む。 これらの観察により、ニューラルネットワークは様々なスケールと周波数で特徴を抽出する能力を学ぶ必要があるという仮説が導かれる。
  論文  参考訳（メタデータ） (2023-02-24T06:37:36Z)
• Hierarchical Graph Convolutional Network Built by Multiscale Atlases for Brain Disorder Diagnosis Using Functional Connectivity [48.75665245214903]
  本稿では,脳疾患診断のためのマルチスケールFCN解析を行うための新しいフレームワークを提案する。 まず、マルチスケールFCNを計算するために、明確に定義されたマルチスケールアトラスのセットを用いる。 そこで我々は, 生物的に有意な脳階層的関係を多スケールアトラスの領域で利用し, 結節プールを行う。
  論文  参考訳（メタデータ） (2022-09-22T04:17:57Z)
• Functional Parcellation of fMRI data using multistage k-means clustering [0.9786690381850356]
  クラスタリングはしばしば機能的パーセレーションを生成するために使われる。 本研究では,静止状態とタスクfMRIデータに対するクラスタリングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-02-19T20:30:02Z)
• Three-Way Deep Neural Network for Radio Frequency Map Generation and Source Localization [67.93423427193055]
  空間、時間、周波数領域にわたる無線スペクトルのモニタリングは、5Gと6G以上の通信技術において重要な特徴となる。 本稿では,空間領域全体にわたる不規則分散計測を補間するGAN(Generative Adversarial Network)機械学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-11-23T22:25:10Z)
• Estimating Reproducible Functional Networks Associated with Task Dynamics using Unsupervised LSTMs [4.697267141773321]
  長期メモリ(LSTM)を用いた反復ニューラルネットワークを用いたタスクアクティビティに関連するより再現性の高い機能的ネットワーク推定手法を提案する。 LSTMモデルは、興味のある領域における機能的磁気共鳴画像(fMRI)時系列データを生成するために、教師なしの方法で訓練される。 LSTMモデルにより学習された機能的ネットワークは,他の手法と比較して,タスクのアクティビティやダイナミクスに強く関連していることを示す。
  論文  参考訳（メタデータ） (2021-05-06T17:53:22Z)
• Space of Functions Computed by Deep-Layered Machines [74.13735716675987]
  深層ニューラルネットワークやブール回路を含むランダム層マシンによって計算される関数の空間について検討する。 繰り返しおよび層依存アーキテクチャ上で計算されたブール関数の分布を調べた結果、両方のモデルで同じであることが判明した。
  論文  参考訳（メタデータ） (2020-04-19T18:31:03Z)

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。