論文の概要: NeuroBRIDGE: Behavior-Conditioned Koopman Dynamics with Riemannian Alignment for Early Substance Use Initiation Prediction from Longitudinal Functional Connectome

• arxiv url: http://arxiv.org/abs/2603.29960v1
• Date: Tue, 31 Mar 2026 16:24:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-01 15:25:03.856734
• Title: NeuroBRIDGE: Behavior-Conditioned Koopman Dynamics with Riemannian Alignment for Early Substance Use Initiation Prediction from Longitudinal Functional Connectome
• Title（参考訳）: NeuroBRIDGE: 経時的機能的コネクトームの早期使用開始予測のためのリーマンアライメントを用いた行動条件付きクープマンダイナミクス
• Authors: Badhan Mazumder, Sir-Lord Wiafe, Vince D. Calhoun, Dong Hye Ye,
• Abstract要約: NeuroBRIDGE (Behavior conditioned RIemannian Koopman Dynamics on lonGitudinal connEctomes) が提案された。 これは、縦関数コネクトームを整列し、動作条件付きクープマンダイナミクスと二重時間注意を結合する新しいグラフニューラルネットワークベースのフレームワークである。 NeuroBRIDGEは、神経経路の解釈可能な洞察を提供しながら、関連するベースラインに対する将来のSUI予測を改善した。
• 参考スコア（独自算出の注目度）: 16.234161445781663
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Early identification of adolescents at risk for substance use initiation (SUI) is vital yet difficult, as most predictors treat connectivity as static or cross-sectional and miss how brain networks change over time and with behavior. We proposed NeuroBRIDGE (Behavior conditioned RIemannian Koopman Dynamics on lonGitudinal connEctomes), a novel graph neural network-based framework that aligns longitudinal functional connectome in a Riemannian tangent space and couples dual-time attention with behavioral-conditioned Koopman dynamics to capture temporal change. Evaluated on ABCD, NeuroBRIDGE improved future SUI prediction over relevant baselines while offering interpretable insights into neural pathways, refining our understanding of neurodevelopmental risk and informing targeted prevention.
• Abstract（参考訳）: 物質使用開始(SUI)のリスクがある青少年の早期発見は、ほとんどの予測者は、接続を静的または横断的なものとして扱い、時間と行動とともに脳ネットワークがどのように変化するかを見逃すため、非常に難しい。 我々は,Riemannian tangent空間の長手関数コネクトームを整列し,時間的変化を捉えるために,動作条件付きクープマンダイナミクスと二重時間注意を結合するグラフニューラルネットワークベースの新しいフレームワークであるNeuroBRIDGE (Behavior conditioned RIemannian Koopman Dynamics on lonGitudinal connEctomes)を提案した。 ABCDで評価されたNeuroBRIDGEは、関連するベースラインに対する将来のSUI予測を改善し、神経経路に対する解釈可能な洞察を提供し、神経発達のリスクを理解し、標的とする予防を知らせる。

関連論文リスト

• Self-Supervised Evolutionary Learning of Neurodynamic Progression and Identity Manifolds from EEG During Safety-Critical Decision Making [3.441021278275805]
  本研究は、個別化された神経力学の進行と本質的なアイデンティティを発見する自己教師付き進化学習フレームワークを提案する。 シミュレーション道路横断決定タスクを行う参加者から記録された脳波の枠組みを検証する。 この枠組みは認知神経力学の進歩的視点を推し進め、次世代のスマート都市と交通インフラに影響を及ぼす。
  論文  参考訳（メタデータ） (2026-03-07T20:48:12Z)
• KOCOBrain: Kuramoto-Guided Graph Network for Uncovering Structure-Function Coupling in Adolescent Prenatal Drug Exposure [17.634849401033794]
  大麻のような妊娠中の精神活性物質は、神経発達を妨害し、大規模な脳ネットワークを改変することがあるが、その神経の署名を特定することは依然として困難である。 KOCOBrain: Kuramoto Coupled Brain Graph Networkは, 構造的および機能的コネクトームを内蔵した統合グラフニューラルネットワークフレームワークである。
  論文  参考訳（メタデータ） (2026-01-16T06:26:57Z)
• Neuronal Group Communication for Efficient Neural representation [85.36421257648294]
  本稿では, 効率的な, モジュラー, 解釈可能な表現を学習する, 大規模ニューラルシステムの構築方法に関する問題に対処する。 本稿では、ニューラルネットワークを相互作用する神経群の動的システムとして再認識する理論駆動型フレームワークである神経グループ通信(NGC)を提案する。 NGCは、重みを埋め込みのようなニューロン状態間の過渡的な相互作用として扱い、神経計算はニューロン群間の反復的なコミュニケーションを通じて展開する。
  論文  参考訳（メタデータ） (2025-10-19T14:23:35Z)
• Disentangling Neurodegeneration with Brain Age Gap Prediction Models: A Graph Signal Processing Perspective [89.99666725996975]
  脳年齢ギャップ予測(BAGP)モデルは、データから予測される脳年齢と時系列年齢との差を推定する。 本稿では、BAGPの概要と、グラフ信号処理(GSP)の最近の進歩に基づく、このアプリケーションのための原則化されたフレームワークを紹介する。 VNNは強力な理論的基盤と操作的解釈可能性を提供し、脳年齢差予測の堅牢な推定を可能にする。
  論文  参考訳（メタデータ） (2025-10-14T17:44:45Z)
• NeuroKoop: Neural Koopman Fusion of Structural-Functional Connectomes for Identifying Prenatal Drug Exposure in Adolescents [16.234161445781663]
  我々は、構造的および機能的脳ネットワークを統合する新しいグラフニューラルネットワークベースのフレームワークであるNeuroKoopを紹介する。 NeuroKoopは、ソースベースモルフォメトリー(SBM)とファンクショナルネットワーク接続(FNC)ベースの脳グラフから派生したノード埋め込みを統一する。
  論文  参考訳（メタデータ） (2025-08-22T14:25:19Z)
• BrainATCL: Adaptive Temporal Brain Connectivity Learning for Functional Link Prediction and Age Estimation [0.33748750222488655]
  本稿では、適応的時間的脳接続学習のための非教師なしノンパラメトリックフレームワークBrainATCLを提案する。 提案手法は,新たに追加されたエッジのレートに基づいて,スナップショット毎のルックバックウィンドウを動的に調整する。 グラフシーケンスはGINE-Mamba2バックボーンを用いて符号化され、静止状態fMRIデータにおける動的機能接続の時空間表現を学習する。
  論文  参考訳（メタデータ） (2025-08-09T21:18:25Z)
• Langevin Flows for Modeling Neural Latent Dynamics [81.81271685018284]
  逐次変分自動エンコーダであるLangevinFlowを導入し、潜伏変数の時間的進化をアンダーダム化したLangevin方程式で制御する。 われわれのアプローチは、慣性、減衰、学習されたポテンシャル関数、力などの物理的事前を組み込んで、ニューラルネットワークにおける自律的および非自律的プロセスの両方を表現する。 本手法は,ロレンツ誘引器によって生成される合成神経集団に対する最先端のベースラインより優れる。
  論文  参考訳（メタデータ） (2025-07-15T17:57:48Z)
• NeuroExplainer: Fine-Grained Attention Decoding to Uncover Cortical Development Patterns of Preterm Infants [73.85768093666582]
  我々はNeuroExplainerと呼ばれる説明可能な幾何学的深層ネットワークを提案する。 NeuroExplainerは、早産に伴う幼児の皮質発達パターンの解明に使用される。
  論文  参考訳（メタデータ） (2023-01-01T12:48:12Z)
• Learning Personal Representations from fMRIby Predicting Neurofeedback Performance [52.77024349608834]
  機能的MRI(fMRI)によって導かれる自己神経変調タスクを行う個人のための個人表現を学習するためのディープニューラルネットワーク手法を提案する。 この表現は、直近のfMRIフレームが与えられた次のfMRIフレームにおける扁桃体活動を予測する自己教師型リカレントニューラルネットワークによって学習され、学習された個々の表現に条件付けされる。
  論文  参考訳（メタデータ） (2021-12-06T10:16:54Z)
• Spatio-Temporal Graph Convolution for Resting-State fMRI Analysis [11.85489505372321]
  BOLD時系列の短いサブシーケンスに基づいて、時空間グラフ畳み込みネットワーク(ST-GCN)を訓練し、機能接続の非定常特性をモデル化する。 St-GCNはBOLD信号に基づいて性別や年齢を予測する一般的な手法よりもはるかに正確である。
  論文  参考訳（メタデータ） (2020-03-24T01:56:50Z)

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。