論文の概要: A Novel Supervised Contrastive Regression Framework for Prediction of
Neurocognitive Measures Using Multi-Site Harmonized Diffusion MRI
Tractography
- arxiv url: http://arxiv.org/abs/2210.07411v1
- Date: Thu, 13 Oct 2022 23:24:12 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-17 16:42:51.029940
- Title: A Novel Supervised Contrastive Regression Framework for Prediction of
Neurocognitive Measures Using Multi-Site Harmonized Diffusion MRI
Tractography
- Title（参考訳）: Multi-Site Harmonized Diffusion MRI Tractography を用いた神経認知度予測のための新しいコントラスト回帰フレームワーク
- Authors: Tengfei Xue, Fan Zhang, Leo R. Zekelman, Chaoyi Zhang, Yuqian Chen,
Suheyla Cetin-Karayumak, Steve Pieper, William M. Wells, Yogesh Rathi, Nikos
Makris, Weidong Cai, and Lauren J. O'Donnell
- Abstract要約: Supervised Contrastive Regression (SCR)は、回帰タスクにおけるコントラスト学習の完全な監視を可能にする、シンプルで効果的な方法である。
SCRは、連続回帰ラベルの絶対差を用いて教師付きコントラスト表現学習を行う。
SCRは、他の最先端手法と比較して、神経認知的スコア予測の精度を向上する。
- 参考スコア（独自算出の注目度）: 13.80649748804573
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Neuroimaging-based prediction of neurocognitive measures is valuable for
studying how the brain's structure relates to cognitive function. However, the
accuracy of prediction using popular linear regression models is relatively
low. We propose Supervised Contrastive Regression (SCR), a simple yet effective
method that allows full supervision for contrastive learning in regression
tasks. SCR performs supervised contrastive representation learning by using the
absolute difference between continuous regression labels (i.e. neurocognitive
scores) to determine positive and negative pairs. We apply SCR to analyze a
large-scale dataset including multi-site harmonized diffusion MRI and
neurocognitive data from 8735 participants in the Adolescent Brain Cognitive
Development (ABCD) Study. We extract white matter microstructural measures
using a fine parcellation of white matter tractography into fiber clusters. We
predict three scores related to domains of higher-order cognition (general
cognitive ability, executive function, and learning/memory). To identify
important fiber clusters for prediction of these neurocognitive scores, we
propose a permutation feature importance method for high-dimensional data. We
find that SCR improves the accuracy of neurocognitive score prediction compared
to other state-of-the-art methods. We find that the most predictive fiber
clusters are predominantly located within the superficial white matter and
projection tracts, particularly the superficial frontal white matter and
striato-frontal connections. Overall, our results demonstrate the utility of
contrastive representation learning methods for regression, and in particular
for improving neuroimaging-based prediction of higher-order cognitive
abilities.
- Abstract（参考訳）: 神経画像に基づく神経認知測定の予測は、脳の構造が認知機能とどのように関連しているかを研究するために重要である。
しかし、一般的な線形回帰モデルを用いた予測精度は比較的低い。
回帰タスクにおけるコントラスト学習の完全な監視を可能にする簡易かつ効果的な手法であるSupervised Contrastive Regression (SCR)を提案する。
SCRは、連続回帰ラベル(神経認知スコア)の絶対差を用いて教師付きコントラスト表現学習を行い、正と負のペアを決定する。
若年者脳認知発達(ABCD)研究の8735名を対象に,多部位調和拡散MRIと神経認知データを含む大規模データセットの解析にSCRを適用した。
白色物質トラクトログラフィーの微粒化による白色物質の微細構造測定を繊維クラスターに抽出する。
我々は,高次認知領域(一般認知能力,実行機能,学習/記憶)に関する3つのスコアを予測した。
これらの神経認知スコアを予測するために重要なファイバークラスターを同定するために,高次元データに対する置換特徴重要度法を提案する。
SCRは,他の最先端手法と比較して,神経認知的スコア予測の精度を向上することがわかった。
最も予測された繊維クラスターは、主に表層白質と投影路、特に表層白質と線条体-表層白質の中間に位置することが判明した。
本研究は, 回帰学習におけるコントラスト表現学習法の有用性, 特に高次認知能力のニューロイメージングに基づく予測の改善に有効であることを示す。
関連論文リスト
- Growing Deep Neural Network Considering with Similarity between Neurons [4.32776344138537]
我々は、訓練段階におけるコンパクトモデルにおいて、ニューロン数を漸進的に増加させる新しいアプローチを探求する。
本稿では,ニューロン類似性分布に基づく制約を導入することにより,特徴抽出バイアスと神経冗長性を低減する手法を提案する。
CIFAR-10とCIFAR-100データセットの結果、精度が向上した。
論文 参考訳（メタデータ） (2024-08-23T11:16:37Z) - NeuroExplainer: Fine-Grained Attention Decoding to Uncover Cortical
Development Patterns of Preterm Infants [73.85768093666582]
我々はNeuroExplainerと呼ばれる説明可能な幾何学的深層ネットワークを提案する。
NeuroExplainerは、早産に伴う幼児の皮質発達パターンの解明に使用される。
論文 参考訳（メタデータ） (2023-01-01T12:48:12Z) - Contrastive learning for regression in multi-site brain age prediction [8.985583914175738]
MRIスキャンによる頑健な脳年齢予測のための新しいコントラスト学習回帰損失を提案する。
提案手法は,OpenBHBチャレンジにおける最先端性能を実現し,サイト関連ノイズに対する最高の一般化能力とロバスト性を実現する。
論文 参考訳（メタデータ） (2022-11-14T10:07:30Z) - Modeling cognitive load as a self-supervised brain rate with
electroencephalography and deep learning [2.741266294612776]
本研究では,脳波データからメンタルワークロードをモデリングするための,新たな自己教師型手法を提案する。
脳波データからスペクトル地形図を空間的に保存して脳速度変数に適合させることができる畳み込みリカレントニューラルネットワークである。
学習した認知活性化の準安定なブロックの存在は、それらは畳み込みによって誘導され、時間とともに互いに依存していないように見えるため、脳反応の非定常的性質と直感的に一致している。
論文 参考訳（メタデータ） (2022-09-21T07:44:21Z) - White Matter Tracts are Point Clouds: Neuropsychological Score
Prediction and Critical Region Localization via Geometric Deep Learning [68.5548609642999]
ホワイトマタートラクトデータを用いた神経心理学的スコア予測のためのディープラーニングに基づくフレームワークを提案する。
各点の微細構造測定を行う点雲として, arcuate fasciculus (AF) を表現した。
Paired-Siamese Lossでは,連続した神経心理学的スコアの違いに関する情報を利用した予測性能を改善した。
論文 参考訳（メタデータ） (2022-07-06T02:03:28Z) - 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) - Overcoming the Domain Gap in Contrastive Learning of Neural Action
Representations [60.47807856873544]
神経科学の基本的な目標は、神経活動と行動の関係を理解することである。
我々は,ハエが自然に生み出す行動からなる新しいマルチモーダルデータセットを作成した。
このデータセットと新しい拡張セットは、神経科学における自己教師あり学習手法の適用を加速することを約束します。
論文 参考訳（メタデータ） (2021-11-29T15:27:51Z) - ICAM-reg: Interpretable Classification and Regression with Feature
Attribution for Mapping Neurological Phenotypes in Individual Scans [3.589107822343127]
本研究では,生成的深層学習における最近の進歩を活かし,同時分類法,回帰法,特徴帰属法を開発した。
Alzheimer's Disease Neuroimaging InitiativeコホートにおけるMini-Mental State examination (MMSE)認知テストスコア予測のタスクについて検証した。
本稿では,生成したfaマップを用いて異常予測を説明し,回帰加群を組み込むことで潜在空間の不連続性を改善することを示す。
論文 参考訳（メタデータ） (2021-03-03T17:55:14Z) - 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) - Neuro-symbolic Neurodegenerative Disease Modeling as Probabilistic
Programmed Deep Kernels [93.58854458951431]
本稿では、神経変性疾患のパーソナライズされた予測モデリングのための、確率的プログラムによる深層カーネル学習手法を提案する。
我々の分析は、ニューラルネットワークとシンボリック機械学習のアプローチのスペクトルを考慮する。
我々は、アルツハイマー病の予測問題について評価を行い、深層学習を超越した結果を得た。
論文 参考訳（メタデータ） (2020-09-16T15:16:03Z) - Predicting Rate of Cognitive Decline at Baseline Using a Deep Neural
Network with Multidata Analysis [8.118172725250805]
本研究では,軽度認知障害患者の認知低下率を予測する機械学習システムについて検討した。
我々は3次元畳み込みニューラルネットワークを用いた教師付きハイブリッドニューラルネットワークに基づく予測モデルを構築した。
論文 参考訳（メタデータ） (2020-02-24T01:39:17Z)
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。