論文の概要: Functional embeddings enable Aggregation of multi-area SEEG recordings over subjects and sessions

• arxiv url: http://arxiv.org/abs/2510.27090v1
• Date: Fri, 31 Oct 2025 01:23:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-03 17:52:15.948413
• Title: Functional embeddings enable Aggregation of multi-area SEEG recordings over subjects and sessions
• Title（参考訳）: マルチエリアSEEG記録の被写体およびセッション上でのアグリゲーションを可能にする機能埋め込み
• Authors: Sina Javadzadeh, Rahil Soroushmojdehi, S. Alireza Seyyed Mousavi, Mehrnaz Asadi, Sumiko Abe, Terence D. Sanger,
• Abstract要約: 多領域局所場電位から各電極の主観的機能識別を学習する表現学習フレームワークを提案する。 フレキシブルレスト/ムーブメント記録セッション中に収集した基底神経節-視床領域にまたがる20オブジェクトデータセットを用いて,本フレームワークの評価を行った。
• 参考スコア（独自算出の注目度）: 0.11083289076967894
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Aggregating intracranial recordings across subjects is challenging since electrode count, placement, and covered regions vary widely. Spatial normalization methods like MNI coordinates offer a shared anatomical reference, but often fail to capture true functional similarity, particularly when localization is imprecise; even at matched anatomical coordinates, the targeted brain region and underlying neural dynamics can differ substantially between individuals. We propose a scalable representation-learning framework that (i) learns a subject-agnostic functional identity for each electrode from multi-region local field potentials using a Siamese encoder with contrastive objectives, inducing an embedding geometry that is locality-sensitive to region-specific neural signatures, and (ii) tokenizes these embeddings for a transformer that models inter-regional relationships with a variable number of channels. We evaluate this framework on a 20-subject dataset spanning basal ganglia-thalamic regions collected during flexible rest/movement recording sessions with heterogeneous electrode layouts. The learned functional space supports accurate within-subject discrimination and forms clear, region-consistent clusters; it transfers zero-shot to unseen channels. The transformer, operating on functional tokens without subject-specific heads or supervision, captures cross-region dependencies and enables reconstruction of masked channels, providing a subject-agnostic backbone for downstream decoding. Together, these results indicate a path toward large-scale, cross-subject aggregation and pretraining for intracranial neural data where strict task structure and uniform sensor placement are unavailable.
• Abstract（参考訳）: 被検体における頭蓋内記録の集積は, 電極数, 位置, 被覆面積が大きく異なるため困難である。 MNI座標のような空間正規化法は、共通の解剖学的参照を提供するが、特に局所化が不正確である場合、真の機能的類似性を捉えることができないことが多い。 スケーラブルな表現学習フレームワークを提案する。 一 コントラスト目的のシームズエンコーダを用いて多領域局所電位から各電極の主観的機能同一性を学び、局所性に敏感な埋め込み幾何を誘導し、 (ii) 可変数のチャネルと地域間関係をモデル化する変換器に対して,これらの埋め込みをトークン化する。 本研究では,多種電極配置を用いたフレキシブルレスト/ムーブメント記録セッション中に収集した基底神経節-視床領域を対象とする20対象データセット上で評価を行った。 学習された関数空間は、正確なオブジェクト内識別をサポートし、明確な領域一貫性のあるクラスタを形成し、ゼロショットを見えないチャネルに転送する。 トランスフォーマーは、被写体固有の頭や監督のない機能トークンで動作し、クロスリージョンの依存関係をキャプチャし、マスキングチャネルの再構築を可能にし、下流の復号のための被写体に依存しないバックボーンを提供する。 これらの結果は、厳密なタスク構造と均一なセンサー配置が不可能な頭蓋内神経データに対して、大規模でクロスオブジェクトアグリゲーションと事前訓練への道を示すものである。

関連論文リスト

• Disentangling Shared and Private Neural Dynamics with SPIRE: A Latent Modeling Framework for Deep Brain Stimulation [0.1259953341639576]
  SPIREはディープマルチエンコーダオートエンコーダで、レコードを共有およびプライベート潜在サブスペースに分解する。 地域間構造を堅牢に復元し、外部がどのように再編成するかを明らかにする。 頭蓋内深部脳刺激(DBS)記録に応用される。
  論文  参考訳（メタデータ） (2025-10-28T22:45:52Z)
• Coupled Transformer Autoencoder for Disentangling Multi-Region Neural Latent Dynamics [8.294287754474894]
  複数の脳領域にまたがる何千ものニューロンからの同時記録は、各領域で共有される活動と、各領域に固有のダイナミクスの豊富な混合を示す。 我々は,結合トランスフォーマーオートエンコーダ (CTAE) を導入し,(i) 定常的,非線形的,および(ii) 共有と地域固有の構造を単一フレームワークで分離するシーケンスモデルを提案する。 CTAEはトランスフォーマーエンコーダとデコーダを使用して、長距離ニューラルダイナミクスをキャプチャし、各領域の潜在空間を共有およびプライベートサブスペースに明示的に分割する。
  論文  参考訳（メタデータ） (2025-10-22T22:47:15Z)
• Revisiting Adaptive Cellular Recognition Under Domain Shifts: A Contextual Correspondence View [49.03501451546763]
  生物学的文脈における暗黙の対応の重要性を明らかにする。 モデル構成成分間のインスタンス認識トレードオフを確保するために, 自己適応型動的蒸留を提案する。
  論文  参考訳（メタデータ） (2024-07-14T04:41:16Z)
• Topology-inspired Cross-domain Network for Developmental Cervical Stenosis Quantification [4.426771138038866]
  頚部脊柱管狭窄症(DCS)の定量診断は頚部脊柱管狭窄のスクリーニングに重要である。 ディープキーポイントローカライゼーションネットワークは、座標または画像領域で実装することができる。 トポロジーにインスパイアされたクロスドメインネットワーク(TCN)は、クロスドメイン方式で異常な構造を制限することを提案した。
  論文  参考訳（メタデータ） (2023-09-13T09:16:19Z)
• Learning Signal-Agnostic Manifolds of Neural Fields [50.066449953522685]
  ニューラルネットワークを利用して、画像、形状、オーディオ、およびモーダル・オーディオヴィジュアル領域の基盤となる構造を捉える。 GEMの基底多様体を横切ることで、信号領域に新しいサンプルを生成できることが示される。
  論文  参考訳（メタデータ） (2021-11-11T18:57:40Z)
• A Multi-Branch Hybrid Transformer Networkfor Corneal Endothelial Cell Segmentation [28.761569157861018]
  角膜内皮細胞セグメンテーションは、細胞密度、変動係数、ヘキサゴニティなどの臨床指標を定量化する重要な役割を担っている。 局所的な畳み込みと連続的なダウンサンプリングの受容領域が限られているため、既存のディープラーニングセグメンテーション手法はグローバルコンテキストを完全に活用することはできない。 本稿では,トランスフォーマネットワーク(MBT-Net)をトランスフォーマーとボディーエッジブランチをベースとしたマルチブランチハイブリッドトランスフォーマネットワークを提案する。
  論文  参考訳（メタデータ） (2021-05-21T07:31:09Z)
• Cross-Modality Brain Tumor Segmentation via Bidirectional Global-to-Local Unsupervised Domain Adaptation [61.01704175938995]
  本論文では,UDAスキームに基づくBiGL(Bidirectional Global-to-Local)適応フレームワークを提案する。 具体的には、脳腫瘍をセグメント化するために、双方向画像合成およびセグメンテーションモジュールを提案する。 提案手法は, 最先端の非教師なし領域適応法を大きなマージンで上回っている。
  論文  参考訳（メタデータ） (2021-05-17T10:11:45Z)
• Adversarial Graph Representation Adaptation for Cross-Domain Facial Expression Recognition [86.25926461936412]
  本稿では,グラフ表現の伝播と逆学習を両立させる新しいAdrialversa Graph Representation Adaptation (AGRA) フレームワークを提案する。 提案するAGRAフレームワークは,従来の最先端手法よりも優れた性能を発揮することを示す。
  論文  参考訳（メタデータ） (2020-08-03T13:27:24Z)
• Adaptive feature recombination and recalibration for semantic segmentation with Fully Convolutional Networks [57.64866581615309]
  完全畳み込みネットワークを用いたセマンティックセグメンテーションに適応した特徴の組換えと空間適応型再分類ブロックを提案する。 その結果、再結合と再校正は競争ベースラインの結果を改善し、3つの異なる問題にまたがって一般化することを示した。
  論文  参考訳（メタデータ） (2020-06-19T15:45:03Z)

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。