論文の概要: BOLDSimNet: Examining Brain Network Similarity between Task and Resting-State fMRI

• arxiv url: http://arxiv.org/abs/2504.01274v1
• Date: Wed, 02 Apr 2025 00:54:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-03 13:19:35.819677
• Title: BOLDSimNet: Examining Brain Network Similarity between Task and Resting-State fMRI
• Title（参考訳）: BOLDSimNet:タスクと安静状態fMRIの脳ネットワーク類似性を調べる
• Authors: Boseong Kim, Debashis Das Chakladar, Haejun Chung, Ikbeom Jang,
• Abstract要約: 本稿では,BOLDSimNetを用いて,異なる認知状態における因果接続性とネットワークの類似性を測定する。 子どもは、青年期に比べて、課題と休息状態の類似点が高かった。 青年期には, Dorsal Attention Network (DAN) と Default Mode Network (DMN) において, 課題と休息状態の相違がみられた。
• 参考スコア（独自算出の注目度）: 0.8929680838438819
• License:
• Abstract: Traditional causal connectivity methods in task-based and resting-state functional magnetic resonance imaging (fMRI) face challenges in accurately capturing directed information flow due to their sensitivity to noise and inability to model multivariate dependencies. These limitations hinder the effective comparison of brain networks between cognitive states, making it difficult to analyze network reconfiguration during task and resting states. To address these issues, we propose BOLDSimNet, a novel framework utilizing Multivariate Transfer Entropy (MTE) to measure causal connectivity and network similarity across different cognitive states. Our method groups functionally similar regions of interest (ROIs) rather than spatially adjacent nodes, improving accuracy in network alignment. We applied BOLDSimNet to fMRI data from 40 healthy controls and found that children exhibited higher similarity scores between task and resting states compared to adolescents, indicating reduced variability in attention shifts. In contrast, adolescents showed more differences between task and resting states in the Dorsal Attention Network (DAN) and the Default Mode Network (DMN), reflecting enhanced network adaptability. These findings emphasize developmental variations in the reconfiguration of the causal brain network, showcasing BOLDSimNet's ability to quantify network similarity and identify attentional fluctuations between different cognitive states.
• Abstract（参考訳）: タスクベースおよび静止状態機能型磁気共鳴イメージング(fMRI)における従来の因果接続法は、ノイズに対する感受性と多変量依存のモデル化が不可能なため、指向性情報の流れを正確に捉える上で困難に直面している。 これらの制限は、認知状態間の脳ネットワークの効果的な比較を妨げ、タスクと休息状態の間のネットワーク再構成を分析するのが困難になる。 これらの問題に対処するために,多変量移動エントロピー(MTE)を利用した新たなフレームワークであるBOLDSimNetを提案する。 提案手法は,空間隣接ノードよりも関心領域(ROI)を機能的にグループ化し,ネットワークアライメントの精度を向上する。 健常児40例のfMRIデータにBOLDSimNetを適用し, 若年者と比較して, 課題と休息状態の類似度が高く, 注意変動のばらつきが低かった。 対照的に、青年期には、Dorsal Attention Network (DAN) と Default Mode Network (DMN) のタスクと休息状態の差が見られ、ネットワーク適応性の向上が反映された。 これらの知見は、因果性脳ネットワークの再構成における発達的変化を強調し、BOLDSimNetのネットワーク類似性を定量化し、異なる認知状態間の注意変動を識別する能力を示している。

関連論文リスト

• Deep-Unrolling Multidimensional Harmonic Retrieval Algorithms on Neuromorphic Hardware [78.17783007774295]
  本稿では,高精度かつエネルギー効率の高い単発多次元高調波検索のための変換に基づくニューロモルフィックアルゴリズムの可能性について検討する。 複雑な値の畳み込み層と活性化をスパイクニューラルネットワーク(SNN)に変換する新しい手法を開発した。 変換されたSNNは、元のCNNに比べて性能が低下し、ほぼ5倍の電力効率を実現している。
  論文  参考訳（メタデータ） (2024-12-05T09:41:33Z)
• Contrasformer: A Brain Network Contrastive Transformer for Neurodegenerative Condition Identification [15.24676785238373]
  本稿では,新しいコントラスト型脳ネットワークトランスであるContrasformerを提案する。 サブポピュレーション間の分布シフトに対処するために、事前知識付きコントラストグラフを生成する。 コントラストフォーマーは、最大10.8%の精度向上によって、脳ネットワークの最先端の手法より優れている。
  論文  参考訳（メタデータ） (2024-09-17T07:26:02Z)
• Leveraging Low-Rank and Sparse Recurrent Connectivity for Robust Closed-Loop Control [63.310780486820796]
  繰り返し接続のパラメータ化が閉ループ設定のロバスト性にどのように影響するかを示す。 パラメータが少ないクローズドフォーム連続時間ニューラルネットワーク(CfCs)は、フルランクで完全に接続されたニューラルネットワークよりも優れています。
  論文  参考訳（メタデータ） (2023-10-05T21:44:18Z)
• Point-aware Interaction and CNN-induced Refinement Network for RGB-D Salient Object Detection [95.84616822805664]
  我々は,CNNによるトランスフォーマーアーキテクチャを導入し,ポイント・アウェア・インタラクションとCNNによるリファインメントを備えた新しいRGB-D SODネットワークを提案する。 トランスフォーマーがもたらすブロック効果とディテール破壊問題を自然に軽減するために,コンテンツリファインメントとサプリメントのためのCNNRユニットを設計する。
  論文  参考訳（メタデータ） (2023-08-17T11:57:49Z)
• Certified Invertibility in Neural Networks via Mixed-Integer Programming [16.64960701212292]
  ニューラルネットワークは敵の攻撃に弱いことが知られている。 ネットワークの決定に影響を与えない大きな、意味のある摂動が存在するかもしれない。 ニューラルネットワーク間の変換における可逆性検証に,我々の知見がどのように役立つかについて議論する。
  論文  参考訳（メタデータ） (2023-01-27T15:40:38Z)
• Anomaly Detection in Multiplex Dynamic Networks: from Blockchain Security to Brain Disease Prediction [0.0]
  ANOMULYは、多重化動的ネットワークのための教師なしエッジ異常検出フレームワークである。 我々は、ANOMULYが、脳疾患や障害を示す可能性のある異常な脳活動を理解するための新しいツールとして、どのように使われるかを示す。
  論文  参考訳（メタデータ） (2022-11-15T18:25:40Z)
• A Generic Shared Attention Mechanism for Various Backbone Neural Networks [53.36677373145012]
  自己注意モジュール(SAM)は、異なる層にまたがる強い相関した注意マップを生成する。 Dense-and-Implicit Attention (DIA)はSAMをレイヤ間で共有し、長期間のメモリモジュールを使用する。 我々のシンプルで効果的なDIAは、様々なネットワークバックボーンを一貫して拡張できます。
  論文  参考訳（メタデータ） (2022-10-27T13:24:08Z)
• 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)
• Learning Interpretable Models for Coupled Networks Under Domain Constraints [8.308385006727702]
  脳ネットワークの構造的エッジと機能的エッジの相互作用に着目して,結合ネットワークの概念を検討する。 相互作用を推定しながらノイズ項にハードネットワークの制約を課す新しい定式化を提案する。 ヒトコネクトームプロジェクトから得られたマルチシェル拡散およびタスク誘発fMRIデータセットの手法を検証する。
  論文  参考訳（メタデータ） (2021-04-19T06:23:31Z)
• Identification of brain states, transitions, and communities using functional MRI [0.5872014229110214]
  ベイズモデルに基づく潜在脳状態のキャラクタリゼーションを提案し,後方予測の不一致に基づく新しい手法を提案する。 タスク-fMRIデータの解析により得られた結果は、外部タスク要求と脳状態間の変化点の間の適切な遅延を示す。
  論文  参考訳（メタデータ） (2021-01-26T08:10:00Z)
• Neural Networks with Recurrent Generative Feedback [61.90658210112138]
  畳み込みニューラルネットワーク(CNN)でこの設計をインスタンス化する 実験では、標準ベンチマーク上の従来のフィードフォワードCNNに対して、CNN-Fは敵のロバスト性を大幅に改善した。
  論文  参考訳（メタデータ） (2020-07-17T19:32:48Z)

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。