論文の概要: Transformer-Based Hierarchical Clustering for Brain Network Analysis
- arxiv url: http://arxiv.org/abs/2305.04142v1
- Date: Sat, 6 May 2023 22:14:13 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-09 17:31:16.531731
- Title: Transformer-Based Hierarchical Clustering for Brain Network Analysis
- Title(参考訳): トランスフォーマチッククラスタリングによる脳ネットワーク解析
- Authors: Wei Dai, Hejie Cui, Xuan Kan, Ying Guo, Sanne van Rooij, Carl Yang
- Abstract要約: 本稿では,階層型クラスタ同定と脳ネットワーク分類のための新しい解釈可能なトランスフォーマーモデルを提案する。
階層的クラスタリング(hierarchical clustering)の助けを借りて、このモデルは精度の向上と実行時の複雑性の低減を実現し、脳領域の機能的構造に関する明確な洞察を提供する。
- 参考スコア(独自算出の注目度): 13.239896897835191
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Brain networks, graphical models such as those constructed from MRI, have
been widely used in pathological prediction and analysis of brain functions.
Within the complex brain system, differences in neuronal connection strengths
parcellate the brain into various functional modules (network communities),
which are critical for brain analysis. However, identifying such communities
within the brain has been a nontrivial issue due to the complexity of neuronal
interactions. In this work, we propose a novel interpretable transformer-based
model for joint hierarchical cluster identification and brain network
classification. Extensive experimental results on real-world brain network
datasets show that with the help of hierarchical clustering, the model achieves
increased accuracy and reduced runtime complexity while providing plausible
insight into the functional organization of brain regions. The implementation
is available at https://github.com/DDVD233/THC.
- Abstract(参考訳): MRIなどのグラフィカルモデルである脳ネットワークは、脳機能の病理学的予測と解析に広く用いられている。
複雑な脳系では、神経結合の強さの違いが脳を様々な機能的モジュール(ネットワーク・コミュニティ)に分割し、脳分析に不可欠である。
しかし、脳内のそのようなコミュニティを特定することは、神経相互作用の複雑さのため、非常に簡単な問題である。
本研究では, 階層クラスタ同定と脳ネットワーク分類のための新しい解釈可能なトランスフォーマーモデルを提案する。
実世界の脳ネットワークデータセットの大規模な実験結果から、階層的クラスタリングの助けを借りて、このモデルは、脳領域の機能的構造に関するもっともらしい洞察を提供しながら、精度の向上と実行時の複雑さの低減を実現している。
実装はhttps://github.com/DDVD233/THCで公開されている。
関連論文リスト
- Brain-Inspired Machine Intelligence: A Survey of
Neurobiologically-Plausible Credit Assignment [65.268245109828]
本稿では,神経生物学にインスパイアされた,あるいは動機付けられた人工ニューラルネットワークにおける信用割当を行うアルゴリズムについて検討する。
我々は、脳にインスパイアされた学習スキームを6つの一般的なファミリーにまとめ、これらを誤りのバックプロパゲーションの文脈で検討する。
本研究の成果は,神経ミメティックシステムとその構成的学習プロセスの今後の発展を促進することを目的としている。
論文 参考訳(メタデータ) (2023-12-01T05:20:57Z) - 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) - Brain Diffuser: An End-to-End Brain Image to Brain Network Pipeline [54.93591298333767]
脳ディフューザー(Brain diffuser)は、拡散に基づくエンド・ツー・エンドの脳ネットワーク生成モデルである。
被験者間の構造的脳ネットワークの差異を分析することで、より構造的接続性や疾患関連情報を利用する。
アルツハイマー病の場合、提案モデルは、アルツハイマー病神経画像イニシアチブデータベース上の既存のツールキットの結果より優れている。
論文 参考訳(メタデータ) (2023-03-11T14:04:58Z) - Explainable fMRI-based Brain Decoding via Spatial Temporal-pyramid Graph
Convolutional Network [0.8399688944263843]
既存のfMRIベースの脳デコードのための機械学習手法は、分類性能が低いか、説明性が悪いかのいずれかに悩まされている。
本稿では,機能的脳活動の時空間グラフ表現を捉えるために,生物学的にインスパイアされたアーキテクチャである時空間ピラミドグラフ畳み込みネットワーク(STpGCN)を提案する。
我々は,Human Connectome Project (HCP) S1200から23の認知タスク下でのfMRIデータに関する広範な実験を行った。
論文 参考訳(メタデータ) (2022-10-08T12:14:33Z) - Interpretable Graph Neural Networks for Connectome-Based Brain Disorder
Analysis [31.281194583900998]
本稿では、障害特異的な関心領域(ROI)と顕著なつながりを分析するための解釈可能なフレームワークを提案する。
提案するフレームワークは,脳ネットワーク指向の疾患予測のためのバックボーンモデルと,グローバルに共有された説明生成装置の2つのモジュールから構成される。
論文 参考訳(メタデータ) (2022-06-30T08:02:05Z) - 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) - Deep Reinforcement Learning Guided Graph Neural Networks for Brain
Network Analysis [61.53545734991802]
本稿では,各脳ネットワークに最適なGNNアーキテクチャを探索する新しい脳ネットワーク表現フレームワークBN-GNNを提案する。
提案するBN-GNNは,脳ネットワーク解析タスクにおける従来のGNNの性能を向上させる。
論文 参考訳(メタデータ) (2022-03-18T07:05:27Z) - POPPINS : A Population-Based Digital Spiking Neuromorphic Processor with
Integer Quadratic Integrate-and-Fire Neurons [50.591267188664666]
2つの階層構造を持つ180nmプロセス技術において,集団に基づくディジタルスパイキングニューロモルフィックプロセッサを提案する。
提案手法は,生体模倣型ニューロモルフィックシステム,低消費電力,低遅延推論処理アプリケーションの開発を可能にする。
論文 参考訳(メタデータ) (2022-01-19T09:26:34Z) - BrainNetGAN: Data augmentation of brain connectivity using generative
adversarial network for dementia classification [9.312868504719193]
アルツハイマー病は最も一般的な年齢関連認知症である。
脳MRIは、脳の老化を検出する非侵襲的なバイオマーカーを提供する。
アルツハイマー病は最も一般的な年齢関連認知症である。
論文 参考訳(メタデータ) (2021-03-10T23:44:53Z) - Towards a Neural Model for Serial Order in Frontal Cortex: a Brain
Theory from Memory Development to Higher-Level Cognition [53.816853325427424]
そこで本研究では,未熟な前頭前野 (PFC) が側頭葉信号の階層的パターンを検出する主要な機能を利用していることを提案する。
我々の仮説では、PFCは順序パターンの形で時間的配列の階層構造を検出し、それらを脳の異なる部分で階層的に情報をインデックスするために利用する。
これにより、抽象的な知識を操作し、時間的に順序付けられた情報を計画するための言語対応の脳にツールを提供する。
論文 参考訳(メタデータ) (2020-05-22T14:29:51Z)
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。