Fugu-MT 論文翻訳(概要): Modeling Higher-Order Brain Interactions via a Multi-View Information Bottleneck Framework for fMRI-based Psychiatric Diagnosis

論文の概要: Modeling Higher-Order Brain Interactions via a Multi-View Information Bottleneck Framework for fMRI-based Psychiatric Diagnosis

arxiv url: http://arxiv.org/abs/2604.17713v1
Date: Mon, 20 Apr 2026 01:50:20 GMT
ステータス: 翻訳完了
システム内更新日: 2026-04-21 21:52:52.654008
Title: Modeling Higher-Order Brain Interactions via a Multi-View Information Bottleneck Framework for fMRI-based Psychiatric Diagnosis
Title（参考訳）: fMRIによる精神科診断のための多視点インフォメーション・ボトルネック・フレームワークによる高次脳相互作用のモデル化
Authors: Kunyu Zhang, Qiang Li, Vince D. Calhoun, Shujian Yu,
Abstract要約: O$-information は HOI の情報の性質を特徴づける符号付き測度である。我々は、fMRIに基づく精神診断のための統合多視点情報ボトルネックフレームワークに、第3次および第4次$O$情報を統合する。私たちのトリビューアーキテクチャは、対、三進、四進の脳の相互作用を系統的に融合させ、包括的な脳の接続を捉える。
参考スコア（独自算出の注目度）: 37.574253923395105
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Resting-state functional magnetic resonance imaging (fMRI) has emerged as a cornerstone for psychiatric diagnosis, yet most approaches rely on pairwise brain cortical or sub-cortical connectivities that overlooks higher-order interactions (HOIs) central to complex brain dynamics. While hypergraph methods encode HOIs through predefined hyperedges, their construction typically relies on heuristic similarity metrics and does not explicitly characterize whether interactions are synergy- or redundancy-dominated. In this paper, we introduce $O$-information, a signed measure that characterizes the informational nature of HOIs, and integrate third- and fourth-order $O$-information into a unified multi-view information bottleneck framework for fMRI-based psychiatric diagnosis. To enable scalable $O$-information estimation, we further develop two independent acceleration strategies: a Gaussian analytical approximation and a randomized matrix-based Rényi entropy estimator, achieving over a 30-fold computational speedup compared with conventional estimators. Our tri-view architecture systematically fuses pairwise, triadic, and tetradic brain interactions, capturing comprehensive brain connectivity while explicitly penalizing redundancy. Extensive evaluation across four benchmark datasets (REST-meta-MDD, ABIDE, UCLA, ADNI) demonstrates consistent improvements, outperforming 11 baseline methods including state-of-the-art graph neural network (GNN) and hypergraph based approaches. Moreover, our method reveals interpretable region-level synergy-redundancy patterns which are not explicitly characterized by conventional hypergraph formulations.
Abstract（参考訳）: 安静時機能的磁気共鳴画像(fMRI)は精神医学的診断の基礎として浮上しているが、ほとんどのアプローチは、複雑な脳の力学の中心となる高次相互作用(HOI)を見渡す脳皮質または皮質下結合性に依存している。ハイパーグラフ法はHOIを事前に定義されたハイパーエッジを通して符号化するが、その構成は概してヒューリスティックな類似度尺度に依存しており、相互作用が相乗的か冗長性に支配されているかを明示的に特徴づけるものではない。本稿では,HOIの情報を特徴付ける署名付き尺度である$O$-informationを導入し,第3および第4の$O$-informationを,fMRIに基づく精神診断のための統合された多視点情報ボトルネックフレームワークに統合する。拡張可能な$O$情報推定を実現するために、ガウス解析近似とランダム化された行列ベースのRényiエントロピー推定器の2つの独立加速度戦略を開発し、従来の推定器と比較して30倍以上の計算速度を達成した。私たちのトリビューアーキテクチャは、ペア、トリアディック、四進的な脳の相互作用を系統的に融合させ、包括的な脳の接続を捉えながら、冗長性を明示的に罰する。 4つのベンチマークデータセット(REST-meta-MDD, ABIDE, UCLA, ADNI)にわたる広範な評価は、一貫性のある改善を示し、最先端のグラフニューラルネットワーク(GNN)やハイパーグラフベースのアプローチを含む11のベースラインメソッドを上回っている。さらに,本手法は,従来のハイパーグラフの定式化で明確に特徴付けられていない領域レベルの相反関係パターンを明らかにする。

関連論文リスト

Graph Attention Network-Based Detection of Autism Spectrum Disorder [2.8115625493994254]
自閉症スペクトラム障害(Autism Spectrum disorder、ASD)は、非定型的な脳との接続を特徴とする神経発達状態である。本研究では,Attention-based Graph Convolutional Network(GATGraphClassifier)を用いた新しい計算フレームワークを提案する。
論文参考訳（メタデータ） (2026-03-27T20:27:39Z)
Moving Beyond Diffusion: Hierarchy-to-Hierarchy Autoregression for fMRI-to-Image Reconstruction [65.67001243986981]
我々は,スケールワイド自己回帰モデルに基づく粗大なfMRI画像再構成フレームワークであるMindHierを提案する。 MindHierは、拡散ベースのベースラインよりも優れたセマンティック忠実さ、4.67倍高速な推論、より決定論的結果を達成する。
論文参考訳（メタデータ） (2025-10-25T15:40:07Z)
Interpretable Neuropsychiatric Diagnosis via Concept-Guided Graph Neural Networks [56.75602443936853]
青少年の5人に1人は、不安、うつ病、行動障害などの精神状態または行動の健康状態と診断されている。従来の研究では、障害予測にグラフニューラルネットワーク(GNN)アプローチを使用していたが、ブラックボックスのままであり、信頼性と臨床翻訳を制限している。本研究では,解釈可能な機能接続の概念を符号化する概念に基づく診断フレームワークを提案する。我々の設計は臨床的に意味のある接続パターンを通じて予測を保証し、解釈可能性と強い予測性能の両方を可能にする。
論文参考訳（メタデータ） (2025-10-02T19:38:46Z)
4D Multimodal Co-attention Fusion Network with Latent Contrastive Alignment for Alzheimer's Diagnosis [24.771496672135395]
M2M-AlignNet: 早期アルツハイマー病診断のための遅延アライメントを有する幾何認識型コアテンションネットワークを提案する。提案手法のコアとなるマルチパッチ・マルチパッチ(M2M)コントラスト損失関数は,表現の相違を定量化し,低減する。提案手法の有効性を確認し,ADバイオマーカーとしてfMRIとsMRIの対応性を強調した。
論文参考訳（メタデータ） (2025-04-23T15:18:55Z)
A Heterogeneous Graph Neural Network Fusing Functional and Structural Connectivity for MCI Diagnosis [5.626542453309023]
ヘテロジニアスグラフニューラルネットワーク(HGNN)に基づく機能的および構造的接続を統合する新しい手法を提案する。実験の結果,提案手法は他のアルゴリズムよりも有効であり,平均分類精度は93.3%であった。
論文参考訳（メタデータ） (2024-11-13T08:17:52Z)
Diagnosis and Pathogenic Analysis of Autism Spectrum Disorder Using Fused Brain Connection Graph [14.00990852115585]
マルチモーダル磁気共鳴画像(MRI)データを用いた自閉症スペクトラム障害(ASD)の診断モデルを提案する。提案手法はDTIと機能MRIの脳接続データを統合し,融合グラフ分類にグラフニューラルネットワーク(GNN)を用いる。両モード融合脳グラフ上で,ネットワークノードの中央性,計算度,部分グラフ,固有ベクトル中心性を解析し,ASDに関連付けられた病理領域を同定する。
論文参考訳（メタデータ） (2024-09-22T01:23:46Z)
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)
UniBrain: Universal Brain MRI Diagnosis with Hierarchical Knowledge-enhanced Pre-training [66.16134293168535]
我々はUniBrainと呼ばれるユニバーサル脳MRI診断のための階層的知識強化事前訓練フレームワークを提案する。具体的には、UniBrainは、定期的な診断から24,770のイメージレポートペアの大規模なデータセットを活用する。
論文参考訳（メタデータ） (2023-09-13T09:22:49Z)
Complex-valued Federated Learning with Differential Privacy and MRI Applications [51.34714485616763]
複雑な値を持つガウスのメカニズムを導入し、その振る舞いは$f$-DP、$(varepsilon, delta)$-DP、R'enyi-DPで特徴づけられる。本稿では,DPと互換性のある複雑なニューラルネットワークプリミティブを提案する。実験では,実世界の課題に対して,DPを用いた複合数値ニューラルネットワークを訓練することで概念実証を行う。
論文参考訳（メタデータ） (2021-10-07T14:03:00Z)
Towards a predictive spatio-temporal representation of brain data [0.2580765958706854]
fMRIデータセットは複雑でヘテロジニアスな時系列で構成されていることを示す。深層学習と幾何学的深層学習の様々なモデリング手法を比較し,今後の研究の道を開く。私たちは、私たちの方法論の進歩が最終的に、健康と病気の脳のダイナミクスをより微妙に理解することで、臨床的および計算学的に関連があることを期待しています。
論文参考訳（メタデータ） (2020-02-29T18:49:45Z)

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。