論文の概要: Spatiotemporal Learning of Brain Dynamics from fMRI Using Frequency-Specific Multi-Band Attention for Cognitive and Psychiatric Applications
- arxiv url: http://arxiv.org/abs/2503.23394v1
- Date: Sun, 30 Mar 2025 10:56:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-01 19:35:57.099771
- Title: Spatiotemporal Learning of Brain Dynamics from fMRI Using Frequency-Specific Multi-Band Attention for Cognitive and Psychiatric Applications
- Title（参考訳）: 認知・精神医学的応用のための周波数特異的マルチバンド注意を用いたfMRIからの脳波の時空間学習
- Authors: Sangyoon Bae, Junbeom Kwon, Shinjae Yoo, Jiook Cha,
- Abstract要約: 我々は、fMRIから周波数特異的脳波をモデル化するトランスフォーマーベースのフレームワークであるMulti-Band Brain Net(MBBN)を紹介する。
MBBNは3つの大規模なニューロイメージングコホートで45,951人の個人を訓練し、これまで検出できなかった周波数依存性のネットワーク相互作用を明らかにした。
MBBNは最先端の手法よりも予測精度が30.59%高い。
- 参考スコア（独自算出の注目度）: 5.199807441687141
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Understanding how the brain's complex nonlinear dynamics give rise to adaptive cognition and behavior is a central challenge in neuroscience. These dynamics exhibit scale-free and multifractal properties, influencing the reconfiguration of neural networks. However, conventional neuroimaging models are constrained by linear and stationary assumptions, limiting their ability to capture these processes. Transformer-based architectures, known for capturing long-range dependencies, align well with the brain's hierarchical and temporal organization. We introduce Multi-Band Brain Net (MBBN), a transformer-based framework that models frequency-specific spatiotemporal brain dynamics from fMRI by integrating scale-free network principles with frequency-resolved multi-band self-attention. Trained on three large-scale neuroimaging cohorts (UK Biobank, ABCD, ABIDE) totaling 45,951 individuals, MBBN reveals previously undetectable frequency-dependent network interactions, shedding light on connectivity disruptions in psychiatric conditions (ADHD, ASD, depression). This validation shows robust generalizability and highlights core neural principles conserved across populations. MBBN achieves up to 30.59% higher predictive accuracy than state-of-the-art methods, demonstrating the advantage of frequency-informed spatiotemporal modeling in capturing latent neural computations. MBBN's interpretability uncovers novel frequency-specific biomarkers for neurodevelopmental disorders, providing insights into the hierarchical organization of brain function. By offering an interpretable framework for spatiotemporal learning, MBBN provides insights into how neural computations underpin cognitive function and psychiatric vulnerability, with implications for brain decoding, cognitive neuroscience, and precision psychiatry.
- Abstract（参考訳）: 脳の複雑な非線形ダイナミクスがどのように適応的な認知と行動をもたらすかを理解することは神経科学における中心的な課題である。
これらのダイナミクスは、スケールフリーでマルチフラクタルな性質を示し、ニューラルネットワークの再構成に影響を与える。
しかし、従来のニューロイメージングモデルは線形および定常的な仮定によって制約され、これらの過程を捉える能力を制限する。
長距離依存を捉えることで知られているトランスフォーマーベースのアーキテクチャは、脳の階層的・時間的組織とよく一致している。
周波数分解型マルチバンド自己アテンションとスケールフリーネットワークの原理を統合することで、fMRIから周波数特異的時空間脳波をモデル化するトランスフォーマーベースのフレームワークであるMulti-Band Brain Net(MBBN)を紹介する。
MBBNは、UK Biobank、ABCD、ABIDEの3つの大規模なニューロイメージングコホート(計45,951人)で訓練され、これまで検出できなかった周波数依存のネットワーク相互作用を明らかにし、精神疾患(ADHD、ASD、うつ病)の接続障害に光を当てている。
この検証は、堅牢な一般化可能性を示し、人口間で保存される中核的な神経原理を強調している。
MBBNは最先端の手法よりも最大30.59%高い予測精度を達成し、潜時ニューラルネットワークのキャプチャにおける周波数インフォームド時空間モデリングの利点を示す。
MBBNの解釈性は、神経発達障害に対する新しい周波数特異的なバイオマーカーを発見し、脳機能の階層的構造に関する洞察を与える。
時空間学習のための解釈可能なフレームワークを提供することにより、MBBNは、神経計算が認知機能や精神医学的脆弱性をどのように支えているかについての洞察を与え、脳の復号化、認知神経科学、精密精神医学に影響を及ぼす。
関連論文リスト
- ASD Classification on Dynamic Brain Connectome using Temporal Random Walk with Transformer-based Dynamic Network Embedding [1.6044444452278062]
我々は、時間とともに脳の接続の時間的進化を捉える新しい動的ネットワーク埋め込み手法であるBrainTWTを提案する。
自閉症脳画像データ交換(ABIDE)データセットを用いた実験的評価は、BrainTWTがASD分類におけるベースライン手法より優れていることを示す。
論文 参考訳（メタデータ） (2025-03-16T05:44:11Z) - NeuroTree: Hierarchical Functional Brain Pathway Decoding for Mental Health Disorders [8.693515007203429]
我々は既存のfMRIベースのグラフ畳み込みネットワークの限界を克服するためにNeuroTreeを提案する。
NeuroTreeはk-hop AGE-GCNとニューラル常微分方程式(ODE)を統合して機能接続を最適化する。
我々の経験的評価は、NeuroTreeが2つの異なる精神障害データセットで最先端のパフォーマンスを達成することを示す。
論文 参考訳（メタデータ） (2025-02-26T03:42:58Z) - Brain-like Functional Organization within Large Language Models [58.93629121400745]
人間の脳は長い間人工知能(AI)の追求にインスピレーションを与えてきた
最近のニューロイメージング研究は、人工ニューラルネットワーク(ANN)の計算的表現と、人間の脳の刺激に対する神経反応との整合性の説得力のある証拠を提供する。
本研究では、人工ニューロンのサブグループと機能的脳ネットワーク(FBN)を直接結合することで、このギャップを埋める。
このフレームワークはANサブグループをFBNにリンクし、大きな言語モデル(LLM)内で脳に似た機能的組織を記述できる。
論文 参考訳（メタデータ） (2024-10-25T13:15:17Z) - Artificial Kuramoto Oscillatory Neurons [65.16453738828672]
神経科学とAIの両方において、ニューロン間の'結合'が競合学習の形式につながることは長年知られている。
完全に接続された畳み込みや注意機構などの任意の接続設計とともに人工的再考を導入する。
このアイデアは、教師なしオブジェクト発見、敵対的ロバスト性、不確実性、推論など、幅広いタスクに性能改善をもたらすことを示す。
論文 参考訳（メタデータ） (2024-10-17T17:47:54Z) - Parsing altered brain connectivity in neurodevelopmental disorders by integrating graph-based normative modeling and deep generative networks [1.2115617129203957]
神経型接続パターンからの分岐の定量化は、診断と治療の介入を知らせる有望な経路を提供する。
本稿では,生物にインスパイアされた深層生成モデルと規範的モデリングを統合したBRIDGEフレームワークによる脳表現について述べる。
BRIDGEは、接続ベースの脳年齢と時間年齢の違いに基づくグローバルなニューロディバージェンススコアと、局所的な接続性の違いを強調する地域的なニューロディバージェンスマップを提供する。
論文 参考訳（メタデータ） (2024-10-14T20:21:11Z) - NeuroPath: A Neural Pathway Transformer for Joining the Dots of Human Connectomes [4.362614418491178]
本稿では, FCのユビキタスインスタンスが, SCによって物理的に配線された神経経路(デトゥール)によってどのようにサポートされているかを明らかにするために, トポロジカルデトゥールの概念を導入する。
機械学習のclich'eでは、SC-FCカップリングの基礎となるマルチホップデトゥール経路により、新しいマルチヘッド自己保持機構を考案することができる。
バイオインスパイアされたニューロパス(NeuroPath)と呼ばれる深層モデルを提案し,これまでにない量のニューロイメージから有意な結合性特徴表現を求める。
論文 参考訳（メタデータ） (2024-09-26T03:40:12Z) - Contrastive Learning in Memristor-based Neuromorphic Systems [55.11642177631929]
スパイクニューラルネットワークは、現代のバックプロパゲーションによって訓練されたディープネットワークに直面する重要な制約の多くを横取りする、ニューロンベースのモデルの重要なファミリーとなっている。
本研究では,前向き・後向き学習のニューロモルフィック形式であるコントラッシブ・シグナル依存型塑性(CSDP)の概念実証を設計し,検討する。
論文 参考訳（メタデータ） (2024-09-17T04:48:45Z) - BrainMAE: A Region-aware Self-supervised Learning Framework for Brain Signals [11.030708270737964]
本稿では,fMRI時系列データから直接表現を学習するBrain Masked Auto-Encoder(BrainMAE)を提案する。
BrainMAEは、4つの異なる下流タスクにおいて、確立されたベースラインメソッドをかなりのマージンで一貫して上回っている。
論文 参考訳（メタデータ） (2024-06-24T19:16:24Z) - BrainODE: Dynamic Brain Signal Analysis via Graph-Aided Neural Ordinary Differential Equations [67.79256149583108]
本稿では,脳波を連続的にモデル化するBrainODEというモデルを提案する。
遅延初期値とニューラルODE関数を不規則な時系列から学習することにより、BrainODEは任意の時点の脳信号を効果的に再構築する。
論文 参考訳（メタデータ） (2024-04-30T10:53:30Z) - Exploring neural oscillations during speech perception via surrogate gradient spiking neural networks [59.38765771221084]
本稿では、ディープラーニングフレームワークと互換性があり、スケーラブルな、生理学的にインスパイアされた音声認識アーキテクチャを提案する。
本研究では, 終末から終末までの勾配降下訓練が, 中枢スパイク神経ネットワークにおける神経振動の出現に繋がることを示す。
本研究は, スパイク周波数適応やリカレント接続などのフィードバック機構が, 認識性能を向上させるために, 神経活動の調節と同期に重要な役割を担っていることを明らかにする。
論文 参考訳（メタデータ） (2024-04-22T09:40:07Z) - Constraints on the design of neuromorphic circuits set by the properties
of neural population codes [61.15277741147157]
脳内では、情報はコード化され、伝達され、行動を伝えるために使用される。
ニューロモルフィック回路は、脳内のニューロンの集団が使用するものと互換性のある方法で情報を符号化する必要がある。
論文 参考訳（メタデータ） (2022-12-08T15:16:04Z) - 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)
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。