論文の概要: NEUBORN: The Neurodevelopmental Evolution framework Using BiOmechanical RemodelliNg
- arxiv url: http://arxiv.org/abs/2508.09757v1
- Date: Wed, 13 Aug 2025 12:36:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-14 20:42:00.884084
- Title: NEUBORN: The Neurodevelopmental Evolution framework Using BiOmechanical RemodelliNg
- Title（参考訳）: NEUBORN:BiOmechanical RemodelliNgを用いた神経発達進化フレームワーク
- Authors: Nashira Baena, Mariana da Silva, Irina Grigorescu, Aakash Saboo, Saga Masui, Jaques-Donald Tournier, Emma C. Robinson,
- Abstract要約: 本稿では, バイオメカニカル制約, 縦方向, 微分像の登録から, 個々の成長軌跡を学習するための新しい枠組みを提案する。
この方法により、ワープの生物学的妥当性が向上し、人口レベルの傾向をより良く追従する成長軌道が生成される。
この枠組みは、脳成熟の予測モデルと皮質発達の奇形を早期に同定する新たな可能性を開く。
- 参考スコア（独自算出の注目度）: 1.62955730276521
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Understanding individual cortical development is essential for identifying deviations linked to neurodevelopmental disorders. However, current normative modelling frameworks struggle to capture fine-scale anatomical details due to their reliance on modelling data within a population-average reference space. Here, we present a novel framework for learning individual growth trajectories from biomechanically constrained, longitudinal, diffeomorphic image registration, implemented via a hierarchical network architecture. Trained on neonatal MRI data from the Developing Human Connectome Project, the method improves the biological plausibility of warps, generating growth trajectories that better follow population-level trends while generating smoother warps, with fewer negative Jacobians, relative to state-of-the-art baselines. The resulting subject-specific deformations provide interpretable, biologically grounded mappings of development. This framework opens new possibilities for predictive modeling of brain maturation and early identification of malformations of cortical development.
- Abstract（参考訳）: 個々の皮質発達を理解することは、神経発達障害に関連する偏差を特定するのに不可欠である。
しかし、現在の規範的モデリングフレームワークは、人口平均参照空間内のモデリングデータに依存するため、微細な解剖学的詳細を捉えるのに苦労している。
本稿では,階層型ネットワークアーキテクチャを用いて実装された生体機械的,縦断的,微分型画像登録から,個々の成長軌跡を学習するための新しい枠組みを提案する。
発達人類コネクトームプロジェクト(Development Human Connectome Project)の新生児MRIデータに基づいて、この方法はワープの生物学的妥当性を改善し、スムーズなワープを発生させながら人口レベルの傾向をより良く追従する成長軌跡を生成する。
結果として生じる対象特異的な変形は、解釈可能で生物学的に基底化された発達のマッピングを提供する。
この枠組みは、脳成熟の予測モデルと皮質発達の奇形を早期に同定する新たな可能性を開く。
関連論文リスト
- A Stage-Aware Mixture of Experts Framework for Neurodegenerative Disease Progression Modelling [6.577465893404979]
神経変性疾患の長期進行はグラフ拡散過程として一般的に概念化されている。
そこで本研究では,異なるコントリビューション機構が病期においてどのように支配されているかを明確にモデル化する,新たな段階認識型混合エキスパートフレームワークを提案する。
IGND-MoEモデルは、これらの成分を時間的状態にわたって動的に統合し、ステージ特異的な病理機構が進行にどのように寄与するかを理解するための原則化された方法を提供する。
論文 参考訳（メタデータ） (2025-08-09T16:09:00Z) - Neural Autoregressive Modeling of Brain Aging [13.402122520389366]
データの高次元性、年齢による構造の微妙な変化、および主観的なパターンは、老化した脳の合成における課題である。
生成自己回帰変換器に基づく新しい脳老化シミュレーションモデルであるNeuroARを提案する。
NeuroARは、LDMを含む重要なモデルよりも優れており、被写体特異的な老化軌道を高い忠実度でモデル化する能力を示している。
論文 参考訳（メタデータ） (2025-07-29T20:22:23Z) - Controllable Surface Diffusion Generative Model for Neurodevelopmental Trajectories [2.630319261167542]
本稿では,皮質成熟の制御可能なシミュレーションを支援する新しいグラフ拡散ネットワークを提案する。
本研究では, 個別に訓練した年齢回帰ネットワークを騙すのに十分な精度で大脳皮質成熟度をモデル化しながら, 対象特異的な皮質形態を維持できることを実証する。
論文 参考訳（メタデータ） (2025-07-21T09:16:24Z) - NOBLE -- Neural Operator with Biologically-informed Latent Embeddings to Capture Experimental Variability in Biological Neuron Models [68.89389652724378]
NOBLEは、解釈可能なニューロンの特徴を連続周波数変調した埋め込みから電流注入によって誘導されるソマティック電圧応答へのマッピングを学ぶ神経オペレーターフレームワークである。
内在的な実験変数を考慮したニューラルダイナミクスの分布を予測する。
NOBLEは、実際の実験データに基づいて検証された最初のスケールアップされたディープラーニングフレームワークである。
論文 参考訳（メタデータ） (2025-06-05T01:01:18Z) - Causal Disentanglement for Robust Long-tail Medical Image Generation [80.15257897500578]
そこで本研究では,病的特徴と構造的特徴を独立に生成する新しい医用画像生成フレームワークを提案する。
本稿では,病理所見から導かれる拡散モデルを用いて病理像をモデル化し,種々の対物画像の生成を可能にする。
論文 参考訳（メタデータ） (2025-04-20T01:54:18Z) - 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) - Interpretable Spatio-Temporal Embedding for Brain Structural-Effective Network with Ordinary Differential Equation [56.34634121544929]
本研究では,まず動的因果モデルを用いて脳効果ネットワークを構築する。
次に、STE-ODE(Spatio-Temporal Embedding ODE)と呼ばれる解釈可能なグラフ学習フレームワークを導入する。
このフレームワークは、構造的および効果的なネットワーク間の動的相互作用を捉えることを目的とした、特異的に設計されたノード埋め込み層を含んでいる。
論文 参考訳（メタデータ） (2024-05-21T20:37:07Z) - MindBridge: A Cross-Subject Brain Decoding Framework [60.58552697067837]
脳の復号化は、獲得した脳信号から刺激を再構築することを目的としている。
現在、脳の復号化はモデルごとのオブジェクトごとのパラダイムに限られている。
我々は,1つのモデルのみを用いることで,オブジェクト間脳デコーディングを実現するMindBridgeを提案する。
論文 参考訳（メタデータ） (2024-04-11T15:46:42Z) - Cortical Surface Diffusion Generative Models [4.050721206558478]
皮質表面分析は、神経学的および発達障害に影響を及ぼす可能性から、注目を集めている。
従来の視覚拡散モデルは、自然な画像を生成するのに効果的であるが、限られたデータセットによる神経画像の複雑な発達パターンを捉えるのに限界がある。
本研究では, 改良型表面視覚変換器を主アーキテクチャとして, 皮質表面計測値の生成のための新しい拡散モデルを提案する。
論文 参考訳（メタデータ） (2024-02-07T11:12:09Z) - Epigenetic evolution of deep convolutional models [81.21462458089142]
我々は、より深い畳み込みモデルを進化させるために、これまで提案されていた神経進化の枠組みを構築した。
異なる形状と大きさのカーネルを同一層内に共存させる畳み込み層配置を提案する。
提案したレイアウトにより、畳み込み層内の個々のカーネルのサイズと形状を、対応する新しい突然変異演算子で進化させることができる。
論文 参考訳（メタデータ） (2021-04-12T12:45:16Z)
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。