論文の概要: Decoding Functional Networks for Visual Categories via GNNs

• arxiv url: http://arxiv.org/abs/2603.28931v1
• Date: Mon, 30 Mar 2026 19:10:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-01 15:25:02.743629
• Title: Decoding Functional Networks for Visual Categories via GNNs
• Title（参考訳）: GNNによる視覚カテゴリの機能ネットワークのデコード
• Abstract要約: 大規模脳ネットワークが視覚的カテゴリーをどのように表すかを理解することは、知覚と皮質組織を結びつけるのに不可欠である。 パーセルレベルの関数グラフを構築し、正と負の両方の相互作用をモデル化する符号付きグラフニューラルネットワークを訓練する。 このフレームワークは、ボクセルレベルのカテゴリ選択性を、接続性に基づく視覚処理の表現に拡張することで、機械学習と神経科学を橋渡しする。
• 参考スコア（独自算出の注目度）: 5.301721673195314
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Understanding how large-scale brain networks represent visual categories is fundamental to linking perception and cortical organization. Using high-resolution 7T fMRI from the Natural Scenes Dataset, we construct parcel-level functional graphs and train a signed Graph Neural Network that models both positive and negative interactions, with a sparse edge mask and class-specific saliency. The model accurately decodes category-specific functional connectivity states (sports, food, vehicles) and reveals reproducible, biologically meaningful subnetworks along the ventral and dorsal visual pathways. This framework bridges machine learning and neuroscience by extending voxel-level category selectivity to a connectivity-based representation of visual processing.
• Abstract（参考訳）: 大規模脳ネットワークが視覚的カテゴリーをどのように表すかを理解することは、知覚と皮質組織を結びつけるのに不可欠である。 Natural Scenes Datasetの高解像度7T fMRIを用いて、パーセルレベルの関数グラフを構築し、正と負の相互作用の両方をモデル化する符号付きグラフニューラルネットワークをスパースエッジマスクとクラス固有のサリエンシで訓練する。 このモデルは、カテゴリー固有の機能的接続状態(スポーツ、食品、車両)を正確に復号し、腹側および背側視覚経路に沿って再現可能で生物学的に意味のあるサブネットを明らかにする。 このフレームワークは、ボクセルレベルのカテゴリ選択性を、接続性に基づく視覚処理の表現に拡張することで、機械学習と神経科学を橋渡しする。

関連論文リスト

• Functional Connectivity Graph Neural Networks [3.146587279468621]
  このアプローチを他のドメインに一般化するグラフニューラルネットワークフレームワークを提案する。 本手法では,グローバルなトポロジ的特徴を捉えるために,永続的なグラフホモロジーに基づく機能的接続ブロックを導入する。
  論文  参考訳（メタデータ） (2025-08-07T18:59:02Z)
• Transformer brain encoders explain human high-level visual responses [0.0]
  本研究では,高次視覚処理において,レチノトピックな視覚特徴をカテゴリー選択領域に動的にルーティングする方法について検討する。 この計算モチーフは、自然界の観察において脳活動を予測する他の方法よりもはるかに強力であることを示す。
  論文  参考訳（メタデータ） (2025-05-22T22:48:15Z)
• Connectivity-Inspired Network for Context-Aware Recognition [1.049712834719005]
  視覚認知に対処するために,生体脳の回路モチーフを取り入れることの効果に焦点をあてる。 私たちの畳み込みアーキテクチャは、人間の皮質と皮質下の流れの接続にインスパイアされています。 我々はコンテキスト認識をモデル化するための新しいプラグイン・アンド・プレイ・モジュールを提案する。
  論文  参考訳（メタデータ） (2024-09-06T15:42:10Z)
• Coding schemes in neural networks learning classification tasks [52.22978725954347]
  完全接続型広義ニューラルネットワーク学習タスクについて検討する。 ネットワークが強力なデータ依存機能を取得することを示す。 驚くべきことに、内部表現の性質は神経の非線形性に大きく依存する。
  論文  参考訳（メタデータ） (2024-06-24T14:50:05Z)
• Understanding the Role of Pathways in a Deep Neural Network [4.456675543894722]
  分類タスクで訓練された畳み込みニューラルネットワーク(CNN)を分析し,個々の画素の拡散経路を抽出するアルゴリズムを提案する。 画像からの個々のピクセルの最も大きな経路は、分類に重要な各層の特徴マップを横断する傾向にある。
  論文  参考訳（メタデータ） (2024-02-28T07:53:19Z)
• Learning Multimodal Volumetric Features for Large-Scale Neuron Tracing [72.45257414889478]
  オーバーセグメントニューロン間の接続を予測し,人間の作業量を削減することを目的としている。 最初はFlyTracingという名前のデータセットを構築しました。 本稿では,高密度なボリュームEM画像の埋め込みを生成するための,新しい接続性を考慮したコントラスト学習手法を提案する。
  論文  参考訳（メタデータ） (2024-01-05T19:45:12Z)
• Language Knowledge-Assisted Representation Learning for Skeleton-Based Action Recognition [71.35205097460124]
  人間が他人の行動を理解して認識する方法は、複雑な神経科学の問題である。 LA-GCNは、大規模言語モデル(LLM)知識アシストを用いたグラフ畳み込みネットワークを提案する。
  論文  参考訳（メタデータ） (2023-05-21T08:29:16Z)
• 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)
• Graph Structure of Neural Networks [104.33754950606298]
  ニューラルネットワークのグラフ構造が予測性能にどのように影響するかを示す。 リレーショナルグラフの"スイートスポット"は、予測性能を大幅に改善したニューラルネットワークにつながる。 トップパフォーマンスニューラルネットワークは、実際の生物学的ニューラルネットワークと驚くほどよく似たグラフ構造を持つ。
  論文  参考訳（メタデータ） (2020-07-13T17:59:31Z)
• GCC: Graph Contrastive Coding for Graph Neural Network Pre-Training [62.73470368851127]
  グラフ表現学習は現実世界の問題に対処する強力な手法として登場した。 自己教師付きグラフニューラルネットワーク事前トレーニングフレームワークであるGraph Contrastive Codingを設計する。 3つのグラフ学習タスクと10のグラフデータセットについて実験を行った。
  論文  参考訳（メタデータ） (2020-06-17T16:18:35Z)
• Neural encoding and interpretation for high-level visual cortices based on fMRI using image caption features [14.038605815510145]
  本研究では、画像キャプション(IC)タスクと、高レベルの視覚皮質のボクセルを符号化するためのIC特徴に基づく視覚符号化モデルを提案する。
  論文  参考訳（メタデータ） (2020-03-26T08:47:21Z)

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。