論文の概要: Age Sensitive Hippocampal Functional Connectivity: New Insights from 3D CNNs and Saliency Mapping

• arxiv url: http://arxiv.org/abs/2507.01411v1
• Date: Wed, 02 Jul 2025 07:05:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-03 14:23:00.07565
• Title: Age Sensitive Hippocampal Functional Connectivity: New Insights from 3D CNNs and Saliency Mapping
• Title（参考訳）: 年齢感応性海馬機能結合性:3次元CNNと塩分マッピングの新展開
• Authors: Yifei Sun, Marshall A. Dalton, Robert D. Sanders, Yixuan Yuan, Xiang Li, Sharon L. Naismith, Fernando Calamante, Jinglei Lv,
• Abstract要約: 我々は,海馬機能的接続解析から脳年齢を予測するための解釈可能なディープラーニングフレームワークを開発した。 海馬と皮質の主な関係は、特に前頭骨、くちばし、後角皮質、海馬皮質、左上頭頂葉、右上側頭葉で表される。 発見は、海馬老化の機能的メカニズムに関する新たな洞察を与え、神経画像データの生物学的に意味のあるパターンを明らかにするための説明可能な深層学習の力を示す。
• 参考スコア（独自算出の注目度）: 55.27843586881593
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Grey matter loss in the hippocampus is a hallmark of neurobiological aging, yet understanding the corresponding changes in its functional connectivity remains limited. Seed-based functional connectivity (FC) analysis enables voxel-wise mapping of the hippocampus's synchronous activity with cortical regions, offering a window into functional reorganization during aging. In this study, we develop an interpretable deep learning framework to predict brain age from hippocampal FC using a three-dimensional convolutional neural network (3D CNN) combined with LayerCAM saliency mapping. This approach maps key hippocampal-cortical connections, particularly with the precuneus, cuneus, posterior cingulate cortex, parahippocampal cortex, left superior parietal lobule, and right superior temporal sulcus, that are highly sensitive to age. Critically, disaggregating anterior and posterior hippocampal FC reveals distinct mapping aligned with their known functional specializations. These findings provide new insights into the functional mechanisms of hippocampal aging and demonstrate the power of explainable deep learning to uncover biologically meaningful patterns in neuroimaging data.
• Abstract（参考訳）: 海馬の灰色物質喪失は神経生物学的老化の象徴であるが、機能的接続性の変化は限定的である。 種子ベースの機能的接続 (FC) 解析は、海馬の同期活動と皮質領域とのボクセルワイズマッピングを可能にし、老化中の機能的再編成に窓を提供する。 本研究では,3次元畳み込みニューラルネットワーク(3D CNN)とLayerCAMサリエンシマッピングを組み合わせた,海馬FCから脳年齢を予測するための解釈可能なディープラーニングフレームワークを開発した。 このアプローチは、特に前頭骨、くちばし、後角皮質、副海馬皮質、左上頭頂葉、右上側頭葉など、年齢に敏感な重要な海馬-皮質関係をマッピングする。 批判的に, 前海馬および後海馬FCは, 既知の機能的特化と異なるマッピングを呈する。 これらの知見は、海馬老化の機能的メカニズムに関する新たな洞察を与え、神経画像データの生物学的に意味のあるパターンを明らかにするための説明可能な深層学習の力を示す。

関連論文リスト

• Explainable Brain Age Gap Prediction in Neurodegenerative Conditions using coVariance Neural Networks [94.06526659234756]
  脳年齢差予測に対するブラックボックス機械学習アプローチは実用性に制限がある。 各種神経変性疾患に対する皮質厚み特徴を用いた脳年齢差の研究に,VNNに基づくアプローチを適用した。 以上の結果より,アルツハイマー病,前頭側頭型認知症,非定型パーキンソン病の脳年齢差の解剖学的特徴が明らかとなった。
  論文  参考訳（メタデータ） (2025-01-02T19:37:09Z)
• Disentangling Hippocampal Shape Variations: A Study of Neurological Disorders Using Mesh Variational Autoencoder with Contrastive Learning [3.978057697592975]
  教師付きコントラスト学習により強化されたメッシュ変分オートエンコーダ(VAE)を利用する。 本研究の目的は,年齢と疾患の有無に応じた2つの異なる潜伏変数を分離することにより,解釈可能性を向上させることである。 本研究は,MS集団の年齢層別における神経疾患と海馬形状の変化との関係についての貴重な知見を提供する。
  論文  参考訳（メタデータ） (2024-03-31T20:08:23Z)
• An automated, geometry-based method for hippocampal shape and thickness analysis [0.0]
  海馬形状の変化は複雑であり、海馬容積のような単一の要約測度で完全に特徴付けることはできない。 本研究では,海馬の厚みや曲率などの形状特徴の展開,ポイントワイド対応,局所解析のための幾何学的自動的アプローチを提案する。
  論文  参考訳（メタデータ） (2023-02-01T16:46:46Z)
• Brain Cortical Functional Gradients Predict Cortical Folding Patterns via Attention Mesh Convolution [51.333918985340425]
  我々は,脳の皮質ジャイロ-サルカル分割図を予測するための新しいアテンションメッシュ畳み込みモデルを開発した。 実験の結果,我々のモデルによる予測性能は,他の最先端モデルよりも優れていた。
  論文  参考訳（メタデータ） (2022-05-21T14:08:53Z)
• Predi\c{c}\~ao da Idade Cerebral a partir de Imagens de Resson\^ancia Magn\'etica utilizando Redes Neurais Convolucionais [57.52103125083341]
  磁気共鳴画像を用いた脳年齢予測のための深層学習手法について検討した。 バイオマーカーの同定は、早期の神経変性過程の検出、および年齢または非年齢に関する認知低下の予測に有用である。 最も優れた結果は、平均絶対誤差3.83年を達成した2Dモデルによって得られた。
  論文  参考訳（メタデータ） (2021-12-23T14:51:45Z)
• Voxel-level Importance Maps for Interpretable Brain Age Estimation [70.5330922395729]
  本稿では,畳み込みニューラルネットワークを用いた3次元脳磁気共鳴(MR)画像からの脳年齢回帰の課題に着目した。 予測モデルの性能を損なうことなく、できるだけ多くのノイズを入力に追加することを目的としたノイズモデルを実装した。 本手法は,英国バイオバンクの13750個の脳MR画像を用いて検討し,既存の神経病理学文献と一致している。
  論文  参考訳（メタデータ） (2021-08-11T18:08:09Z)
• Patch-based Brain Age Estimation from MR Images [64.66978138243083]
  磁気共鳴画像(MRI)による脳年齢推定は、被験者の生物学的脳年齢と時系列年齢の違いを導出する。 より高年齢の神経変性を早期に検出することは、より良い医療と患者の計画を促進する可能性がある。 我々は、脳の3Dパッチと畳み込みニューラルネットワーク(CNN)を用いて、局所的な脳年齢推定器を開発する新しいディープラーニングアプローチを開発した。
  論文  参考訳（メタデータ） (2020-08-29T11:50:37Z)

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。