論文の概要: MNM : Multi-level Neuroimaging Meta-analysis with Hyperbolic Brain-Text Representations

• arxiv url: http://arxiv.org/abs/2511.21092v1
• Date: Wed, 26 Nov 2025 06:22:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-27 18:37:58.987255
• Title: MNM : Multi-level Neuroimaging Meta-analysis with Hyperbolic Brain-Text Representations
• Title（参考訳）: MNM : 双曲型脳テキスト表現を用いた多段階脳画像メタアナリシス
• Authors: Seunghun Baek, Jaejin Lee, Jaeyoon Sim, Minjae Jeong, Won Hwa Kim,
• Abstract要約: 本稿では,神経科学文献と脳活性化マップのギャップを埋めるために,双曲幾何学を利用した新しい枠組みを提案する。 研究論文からのテキストとそれに対応する脳画像をローレンツモデルを介して共有双曲空間に埋め込むことで,本手法は意味的類似性と階層的構造の両方を捉える。 双曲的空間では,1) 意味的対応のための脳とテキストの埋め込み,2) テキストと脳のアクティベーションの階層化,3) 脳のアクティベーションパターン内の階層的関係の維持により, マルチレベル・ニューロイメージング・メタアナリシス(MNM)を行う。
• 参考スコア（独自算出の注目度）: 13.40636772450901
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Various neuroimaging studies suffer from small sample size problem which often limit their reliability. Meta-analysis addresses this challenge by aggregating findings from different studies to identify consistent patterns of brain activity. However, traditional approaches based on keyword retrieval or linear mappings often overlook the rich hierarchical structure in the brain. In this work, we propose a novel framework that leverages hyperbolic geometry to bridge the gap between neuroscience literature and brain activation maps. By embedding text from research articles and corresponding brain images into a shared hyperbolic space via the Lorentz model, our method captures both semantic similarity and hierarchical organization inherent in neuroimaging data. In the hyperbolic space, our method performs multi-level neuroimaging meta-analysis (MNM) by 1) aligning brain and text embeddings for semantic correspondence, 2) guiding hierarchy between text and brain activations, and 3) preserving the hierarchical relationships within brain activation patterns. Experimental results demonstrate that our model outperforms baselines, offering a robust and interpretable paradigm of multi-level neuroimaging meta-analysis via hyperbolic brain-text representation.
• Abstract（参考訳）: 様々なニューロイメージング研究は、しばしば信頼性を制限する小さなサンプルサイズの問題に悩まされている。 メタ分析は、脳活動の一貫したパターンを特定するために、異なる研究から発見を集約することで、この問題に対処する。 しかし、キーワード検索や線形マッピングに基づく伝統的なアプローチは、しばしば脳の豊富な階層構造を見落としている。 本研究では,神経科学文献と脳活性化マップのギャップを埋めるために,双曲幾何学を利用した新しい枠組みを提案する。 研究論文のテキストと対応する脳画像からLorentzモデルを介して共有された双曲空間にテキストを埋め込むことにより、我々は神経画像データに固有の意味的類似性と階層的構造の両方を捉える。 双曲的空間において,本手法はマルチレベル・ニューロイメージング・メタアナリシス(MNM)を行う。 1)意味的対応のための脳とテキストの埋め込みの整合 2)テキストと脳活動の階層化の指針 3)脳活性化パターンにおける階層的関係の維持。 実験により,本モデルがベースラインより優れており,双曲型脳文表現による多レベル神経画像メタアナリシスの堅牢かつ解釈可能なパラダイムを提供することが示された。

関連論文リスト

• Language models align with brain regions that represent concepts across modalities [41.64161126642105]
  言語モデル(LM)と2つのニューラルネットワークメトリクスの関係について検討する。 実験の結果、脳のより意味のある領域において、言語のみのモデルと言語ビジョンのモデルの両方が信号をより良く予測できることがわかった。
  論文  参考訳（メタデータ） (2025-08-15T15:32:19Z)
• Hyperbolic Kernel Graph Neural Networks for Neurocognitive Decline Analysis from Multimodal Brain Imaging [22.883290184028738]
  本稿では,マルチモーダル・ニューロイメージングを用いた神経認知下降解析のためのハイパーボリックカーネルグラフ融合フレームワークを提案する。 マルチモーダルグラフ構築モジュール、双曲空間で脳グラフを符号化するグラフ表現学習モジュール、下流予測のための双曲ニューラルネットワークで構成される。
  論文  参考訳（メタデータ） (2025-06-24T13:16:37Z)
• BrainMAP: Learning Multiple Activation Pathways in Brain Networks [77.15180533984947]
  本稿では,脳ネットワークにおける複数の活性化経路を学習するための新しいフレームワークであるBrainMAPを紹介する。 本フレームワークは,タスクに関わる重要な脳領域の説明的分析を可能にする。
  論文  参考訳（メタデータ） (2024-12-23T09:13:35Z)
• 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)
• Chat2Brain: A Method for Mapping Open-Ended Semantic Queries to Brain Activation Maps [59.648646222905235]
  そこで本研究では,テキスト2画像モデルであるText2BrainにLLMを組み合わせ,セマンティッククエリを脳活性化マップにマッピングするChat2Brainを提案する。 テキストクエリのより複雑なタスクに対して、Chat2Brainが可塑性なニューラルアクティベーションパターンを合成できることを実証した。
  論文  参考訳（メタデータ） (2023-09-10T13:06:45Z)
• Transformer-Based Hierarchical Clustering for Brain Network Analysis [13.239896897835191]
  本稿では,階層型クラスタ同定と脳ネットワーク分類のための新しい解釈可能なトランスフォーマーモデルを提案する。 階層的クラスタリング(hierarchical clustering)の助けを借りて、このモデルは精度の向上と実行時の複雑性の低減を実現し、脳領域の機能的構造に関する明確な洞察を提供する。
  論文  参考訳（メタデータ） (2023-05-06T22:14:13Z)
• Semantic Brain Decoding: from fMRI to conceptually similar image reconstruction of visual stimuli [0.29005223064604074]
  本稿では,意味的・文脈的類似性にも依存する脳復号法を提案する。 我々は、自然視のfMRIデータセットを使用し、人間の視覚におけるボトムアップとトップダウンの両方のプロセスの存在にインスパイアされたディープラーニングデコードパイプラインを作成します。 視覚刺激の再現は, それまでの文献において, 本来の内容とセマンティックレベルで非常によく一致し, 芸術の状態を超越している。
  論文  参考訳（メタデータ） (2022-12-13T16:54:08Z)
• 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)
• Model-based analysis of brain activity reveals the hierarchy of language in 305 subjects [82.81964713263483]
  言語の神経基盤を分解する一般的なアプローチは、個人間で異なる刺激に対する脳の反応を関連付けている。 そこで本研究では,自然刺激に曝露された被験者に対して,モデルに基づくアプローチが等価な結果が得られることを示す。
  論文  参考訳（メタデータ） (2021-10-12T15:30:21Z)
• NeuroQuery: comprehensive meta-analysis of human brain mapping [20.510062728905424]
  既存のメタ分析は、頻繁に発生する単一の用語にのみ取り組む。 我々は推論よりも予測に焦点を当てた新しいパラダイムを提案する。 我々は、13の459の神経画像出版物にまたがる7つの547の神経科学用語の関係と神経相関を捉えている。
  論文  参考訳（メタデータ） (2020-02-21T13:13:22Z)

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。