論文の概要: Community-Level Modeling of Gyral Folding Patterns for Robust and Anatomically Informed Individualized Brain Mapping

• arxiv url: http://arxiv.org/abs/2602.01482v1
• Date: Sun, 01 Feb 2026 23:13:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-03 19:28:33.81076
• Title: Community-Level Modeling of Gyral Folding Patterns for Robust and Anatomically Informed Individualized Brain Mapping
• Title（参考訳）: ロバストおよび解剖学的にインフォームドされた個別脳マッピングのためのガイラルフォールディングパターンのコミュニティレベルモデリング
• Authors: Minheng Chen, Tong Chen, Yan Zhuang, Chao Cao, Jing Zhang, Tianming Liu, Lu Zhang, Dajiang Zhu,
• Abstract要約: 皮質の折りたたみは、安定した解剖学的ランドマークを維持しながら、個人間の大きなばらつきを示す。 既存のランドマークベースの手法は、通常、それぞれの3HGを独立してモデル化する。 コミュニティレベルの折り畳み単位をモデル化するスペクトルグラフ表現学習フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 29.127228105988166
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cortical folding exhibits substantial inter-individual variability while preserving stable anatomical landmarks that enable fine-scale characterization of cortical organization. Among these, the three-hinge gyrus (3HG) serves as a key folding primitive, showing consistent topology yet meaningful variations in morphology, connectivity, and function. Existing landmark-based methods typically model each 3HG independently, ignoring that 3HGs form higher-order folding communities that capture mesoscale structure. This simplification weakens anatomical representation and makes one-to-one matching sensitive to positional variability and noise. We propose a spectral graph representation learning framework that models community-level folding units rather than isolated landmarks. Each 3HG is encoded using a dual-profile representation combining surface topology and structural connectivity. Subject-specific spectral clustering identifies coherent folding communities, followed by topological refinement to preserve anatomical continuity. For cross-subject correspondence, we introduce Joint Morphological-Geometric Matching, jointly optimizing geometric and morphometric similarity. Across over 1000 Human Connectome Project subjects, the resulting communities show reduced morphometric variance, stronger modular organization, improved hemispheric consistency, and superior alignment compared with atlas-based and landmark-based or embedding-based baselines. These findings demonstrate that community-level modeling provides a robust and anatomically grounded framework for individualized cortical characterization and reliable cross-subject correspondence.
• Abstract（参考訳）: 皮質の折り畳みは、皮質組織の微細な特徴づけを可能にする安定した解剖学的ランドマークを保ちながら、個体間の大きなばらつきを示す。 これらのうち、3つの隠れたジャル(3HG)は鍵となる折り畳みプリミティブとして機能し、一貫したトポロジーを示すが、形態、接続性、機能において有意義な変化を示す。 既存のランドマークに基づく手法は、3HGがメソスケール構造を捉えた高階の折り畳みコミュニティを形成することを無視して、それぞれの3HGを独立にモデル化する。 この単純化は解剖学的表現を弱め、位置可変性とノイズに敏感な1対1のマッチングを実現する。 本稿では,孤立したランドマークではなく,コミュニティレベルの折り畳み単位をモデル化したスペクトルグラフ表現学習フレームワークを提案する。 各3HGは、表面トポロジーと構造接続を組み合わせた双対表現を用いて符号化される。 主観的スペクトルクラスタリングは、コヒーレントな折りたたみコミュニティを特定し、その後、解剖学的連続性を維持するためにトポロジカルな改善を行う。 クロスオブジェクト対応には、幾何学的および形態的類似性を共同最適化するジョイントモルフォロジー-幾何学的マッチングを導入する。 1000人以上のHuman Connectome Projectの被験者が参加し、結果として得られたコミュニティは、モルフォメトリックな分散、より強力なモジュール構造、半球の一貫性の改善、そしてアトラスベースやランドマークベース、または埋め込みベースラインよりも優れたアライメントを示している。 これらの結果から, コミュニティレベルのモデリングは, 個々の大脳皮質の特徴と信頼性のあるクロスオブジェクト対応のための, 頑健で解剖学的基盤となることが示唆された。

関連論文リスト

• HippMetric: A skeletal-representation-based framework for cross-sectional and longitudinal hippocampal substructural morphometry [22.804435583903572]
  HippMetricは、海馬下組織形態計測のための骨格表現に基づくフレームワークである。 変形可能な骨格座標系を採用し、海馬の解剖学や機能と整合している。 既存の形状モデルよりも高い精度、信頼性、および対応安定性を実現する。
  論文  参考訳（メタデータ） (2025-12-22T09:53:55Z)
• Hierarchical Neural Semantic Representation for 3D Semantic Correspondence [72.8101601086805]
  階層型ニューラルセマンティック表現(HNSR)を設計し,高次構造と多分解能局所幾何学的特徴を捉える。 第2に,グローバルなセマンティック特徴を用いた粗いセマンティック対応を確立する,プログレッシブなグローバル-ローカルマッチング戦略を設計する。 第3に,本フレームワークはトレーニングフリーで,様々なトレーニング済みの3D生成バックボーンと広範囲に互換性があり,多様な形状カテゴリにまたがる強力な一般化が示されている。
  論文  参考訳（メタデータ） (2025-09-22T07:23:07Z)
• GyralNet Subnetwork Partitioning via Differentiable Spectral Modularity Optimization [30.044545011553172]
  本稿では,GyralNet内の3HGの組織をモジュール化するための,差別化可能なサブネットワークフレームワークを提案する。 トポロジカルな構造的類似性とDTI由来の接続パターンを属性特性として組み込むことにより,本手法は皮質組織を生物学的に意味のある表現を提供する。
  論文  参考訳（メタデータ） (2025-03-25T16:33:12Z)
• JADE: Joint-aware Latent Diffusion for 3D Human Generative Modeling [62.77347895550087]
  JADEは人体形状の変化を微粒化制御で学習する生成フレームワークである。 私たちの重要な洞察は、人体を骨格構造に分解する共同認識の潜伏表現です。 提案した分解条件下でのコヒーレントで可塑性な人体形状を生成するため,カスケードパイプラインも提案する。
  論文  参考訳（メタデータ） (2024-12-29T14:18:35Z)
• Motif Guided Graph Transformer with Combinatorial Skeleton Prototype Learning for Skeleton-Based Person Re-Identification [60.939250172443586]
  3Dスケルトンデータによる人物再識別(re-ID)は多くのシナリオにおいて重要な価値を持つ課題である。 既存の骨格に基づく手法は、典型的には全ての関節間の仮想運動関係を仮定し、学習に平均的な関節またはシーケンス表現を採用する。 本稿では,Y Combinatorial skeleton prototype learning (MoCos)を用いた汎用Motifガイドグラフトランスフォーマを提案する。 MoCosは、構造特異的で歩行関連のある身体関係とスケルトングラフの特徴を利用して、人物のre-IDに効果的な骨格表現を学習する。
  論文  参考訳（メタデータ） (2024-12-12T08:13:29Z)
• Using Structural Similarity and Kolmogorov-Arnold Networks for Anatomical Embedding of Cortical Folding Patterns [30.044545011553172]
  3HG(3-hinge gyrus)は、新たに定義された折りたたみパターンである。 本稿では3HGの解剖学的特徴を組み込んだ自己教師型フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-31T03:28:23Z)
• Histopathology Whole Slide Image Analysis with Heterogeneous Graph Representation Learning [78.49090351193269]
  本稿では,WSI分析のために,異なる種類の核間の相互関係を利用する新しいグラフベースのフレームワークを提案する。 具体的には、WSI を各ノードに "nucleus-type" 属性と各エッジに類似した意味属性を持つ異種グラフとして定式化する。 我々のフレームワークは、様々なタスクに対してかなりのマージンで最先端の手法より優れています。
  論文  参考訳（メタデータ） (2023-07-09T14:43:40Z)
• NeuroMorph: Unsupervised Shape Interpolation and Correspondence in One Go [109.88509362837475]
  入力2つの3次元形状を考慮したニューラルネットワークアーキテクチャであるNeuroMorphを提案する。 NeuroMorphはそれらの間のスムーズかつポイントツーポイント対応を生成する。 異なる対象カテゴリの非等尺性ペアを含む、さまざまな入力形状に対してうまく機能する。
  論文  参考訳（メタデータ） (2021-06-17T12:25:44Z)

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。