論文の概要: Independent-Component-Based Encoding Models of Brain Activity During Story Comprehension

• arxiv url: http://arxiv.org/abs/2604.24942v1
• Date: Mon, 27 Apr 2026 19:30:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-29 16:49:17.573591
• Title: Independent-Component-Based Encoding Models of Brain Activity During Story Comprehension
• Title（参考訳）: ストーリー理解時の脳活動の独立成分ベース符号化モデル
• Authors: Kamya Hari, Taha Binhuraib, Jin Li, Cory Shain, Anna A. Ivanova,
• Abstract要約: 本稿では,fMRIデータ中の刺激駆動信号と雑音駆動信号とを解離する独立成分(IC)ベースの符号化フレームワークを提案する。 連続的なfMRIデータを1つのサブセットを用いてICに分解し、独立データ上で符号化モデルを訓練し、IC時系列を予測する。
• 参考スコア（独自算出の注目度）: 5.875664245973424
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Encoding models provide a powerful framework for linking continuous stimulus features to neural activity; however, traditional voxelwise approaches are limited by measurement noise, inter-subject variability, and redundancy arising from spatially correlated voxels encoding overlapping neural signals. Here, we propose an independent component (IC)-based encoding framework that dissociates stimulus-driven and noise-driven signals in fMRI data. We decompose continuous fMRI data from naturalistic story listening into ICs using one subset of the data, and train encoding models on independent data to predict IC time series from large language model representations of linguistic input. Across subjects, a subset of ICs exhibited consistently high predictivity. These ICs were spatially and temporally consistent across subjects and included cognitive networks known to respond during story listening (auditory and language). Auditory component time series were strongly correlated with acoustic stimulus features, highlighting the interpretability of identified component time series. Components identified as noise or motion-related artifacts by ICA-AROMA showed uniformly poor predictive performance, confirming that highly predicted components reflect genuine stimulus-related neural signals rather than confounds. Overall, IC-based encoding models enable analyses at the level of functional networks, accommodating the variability in network locations across individuals and providing interpretable results that are easy to compare across subjects.
• Abstract（参考訳）: 符号化モデルは、連続的な刺激特徴を神経活動にリンクするための強力なフレームワークを提供するが、従来のボクセルワイズアプローチは、重なり合う神経信号をコードする空間的相関のボクセルから生じる計測ノイズ、物体間変動、冗長性によって制限される。 本稿では、fMRIデータ中の刺激駆動信号と雑音駆動信号とを解離する独立成分(IC)ベースの符号化フレームワークを提案する。 本研究では,自然主義的な物語聴取から連続的なfMRIデータをICに分解し,言語入力の大規模言語モデル表現からIC時系列を予測するために,独立データ上の符号化モデルを訓練する。 被験者全体で、ICのサブセットは一貫して高い予測性を示した。 これらのICは、被験者間で空間的・時間的整合性があり、ストーリーリスニング(聴覚と言語)中に応答することが知られている認知ネットワークを含んでいた。 聴覚成分時系列は音響刺激特性と強く相関し,特定成分時系列の解釈可能性を強調した。 ICA-AROMAによるノイズや運動関連アーティファクトとして同定された成分は、一様に予測性能が悪く、高い予測成分がコンファウンドよりも真の刺激関連ニューラルシグナルを反映していることが確認された。 全体として、ICベースの符号化モデルは、機能的ネットワークのレベルでの分析を可能にし、個人間のネットワーク位置の変動を調節し、被験者間で簡単に比較できる解釈可能な結果を提供する。

関連論文リスト

• Adaptive Temporal Dynamics for Personalized Emotion Recognition: A Liquid Neural Network Approach [0.0]
  この研究は、脳波に基づく感情認識のための液体ニューラルネットワークの包括的な応用として、私たちの知る限り、最も優れたものである。 提案するフレームワークは,畳み込み特徴抽出,学習可能な時間定数による液体ニューラルネットワーク,注意誘導融合を組み合わせたものである。 PhyMERデータセット上で、7つの感情的なクラスで行われた被験者依存実験は95.45%の精度を達成し、これまでに報告された結果を上回った。
  論文  参考訳（メタデータ） (2026-01-28T12:14:45Z)
• Neuromorphic Wireless Split Computing with Resonate-and-Fire Neurons [69.73249913506042]
  本稿では、共振器(RF)ニューロンを用いて時間領域信号を直接処理する無線スプリットコンピューティングアーキテクチャについて検討する。 可変周波数で共鳴することにより、RFニューロンは低スパイク活性を維持しながら時間局在スペクトル特徴を抽出する。 実験の結果,提案したRF-SNNアーキテクチャは従来のLIF-SNNやANNと同等の精度を達成できることがわかった。
  論文  参考訳（メタデータ） (2025-06-24T21:14:59Z)
• Tracking Articulatory Dynamics in Speech with a Fixed-Weight BiLSTM-CNN Architecture [0.0]
  本稿では,ある音声音響に係わる舌と唇の調音特徴を予測するための新しい手法を提案する。 提案するネットワークは,同時記録音声とEMA(Electromagnetic Articulography)データセットの2つのデータセットで訓練されている。
  論文  参考訳（メタデータ） (2025-04-25T05:57:22Z)
• Neural-Symbolic Recursive Machine for Systematic Generalization [113.22455566135757]
  我々は、基底記号システム(GSS)のコアとなるニューラル・シンボリック再帰機械(NSR)を紹介する。 NSRは神経知覚、構文解析、意味推論を統合している。 我々はNSRの有効性を,系統的一般化能力の探索を目的とした4つの挑戦的ベンチマークで評価した。
  論文  参考訳（メタデータ） (2022-10-04T13:27:38Z)
• Insights on Neural Representations for End-to-End Speech Recognition [28.833851817220616]
  エンドツーエンド自動音声認識(ASR)モデルは、一般化された音声表現を学習することを目的としている。 相関解析手法を用いたネットワーク類似性の調査は、エンド・ツー・エンドASRモデルでは行われていない。 本稿では,CNN,LSTM,Transformerをベースとしたトレーニングにおいて,レイヤ間の内部ダイナミクスを解析し,検討する。
  論文  参考訳（メタデータ） (2022-05-19T10:19:32Z)
• Deep Neural Convolutive Matrix Factorization for Articulatory Representation Decomposition [48.56414496900755]
  この研究は、コンボリューティブスパース行列分解のニューラル実装を用いて、調音データを解釈可能なジェスチャーとジェスチャースコアに分解する。 音素認識実験も実施され、ジェスチャースコアが実際に音韻情報のコード化に成功していることが示された。
  論文  参考訳（メタデータ） (2022-04-01T14:25:19Z)
• PredRNN: A Recurrent Neural Network for Spatiotemporal Predictive Learning [109.84770951839289]
  歴史的文脈からビジュアルダイナミクスを学習するための新しいリカレントネットワークであるPredRNNを紹介する。 本手法は,3つの標準データセット上で高い競争結果が得られることを示す。
  論文  参考訳（メタデータ） (2021-03-17T08:28:30Z)
• Deep sr-DDL: Deep Structurally Regularized Dynamic Dictionary Learning to Integrate Multimodal and Dynamic Functional Connectomics data for Multidimensional Clinical Characterizations [5.200461964737113]
  静止機能MRI(r-fMRI)接続と拡散テンソルイメージング(DTI)トラクトグラフィーから補完情報を共同でモデル化する新しい統合フレームワークを提案する。 本フレームワークは,コネクトロミクスデータの生成モデルと,行動スコアを予測するディープネットワークを結合する。 我々のハイブリッドモデルは、臨床結果予測における最先端のアプローチよりも優れており、脳組織の解釈可能なマルチモーダルニューラルシグネチャを学習する。
  論文  参考訳（メタデータ） (2020-08-27T23:43:56Z)
• Multi-Tones' Phase Coding (MTPC) of Interaural Time Difference by Spiking Neural Network [68.43026108936029]
  雑音の多い実環境下での正確な音像定位のための純粋スパイクニューラルネットワーク(SNN)に基づく計算モデルを提案する。 このアルゴリズムを,マイクロホンアレイを用いたリアルタイムロボットシステムに実装する。 実験の結果, 平均誤差方位は13度であり, 音源定位に対する他の生物学的に妥当なニューロモルフィックアプローチの精度を上回っていることがわかった。
  論文  参考訳（メタデータ） (2020-07-07T08:22:56Z)

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。