論文の概要: A Universal Space of Brain Dynamics for Unveiling Cognitive Transitions and Individual Differences
- arxiv url: http://arxiv.org/abs/2605.02936v1
- Date: Fri, 01 May 2026 06:27:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-06 19:35:43.512499
- Title: A Universal Space of Brain Dynamics for Unveiling Cognitive Transitions and Individual Differences
- Title（参考訳）: 認知遷移と個人差を解き明かす脳のダイナミクスの普遍空間
- Authors: Ronghua Zheng, Chengyuan Qian, Weiyang Ding,
- Abstract要約: 脳活動に適した普遍空間を構築するために,Universal Brain Dynamics (UBD) を開発した。
UBDの普遍性は、8つの状態と963人の被験者のfMRI信号を正確に予測することで検証する。
我々は、認知遷移を駆動する神経機構を解明し、様々な認知状態にまたがる脳のダイナミクスを導出する。
- 参考スコア（独自算出の注目度）: 3.275342475988451
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Representing dynamical systems through data-driven universal spaces has proven effective; however, achieving this universality for human brain activity remains a significant challenge, further aggravated by diverse cognitive states and individual subjects. Recognizing that spatial properties reflect physical wiring while temporal properties reflect brain function, we develop Universal Brain Dynamics (UBD) to construct a universal space tailored to brain activity and quantify corresponding dynamics using a model-derived Jacobian matrix. Crucially, we validate UBD's universality by accurately predicting functional magnetic resonance imaging (fMRI) signals (Pearson's r > 0.9) across eight states and 963 subjects in the Human Connectome Project (HCP). Through evaluating resting-state fMRI represented within UBD, we gain insight into how infra-slow fluctuation (ISF) underpins brain activity. Furthermore, we reveal a new perspective on structure-function coupling (SFC) by analyzing the temporal sequence of brain dynamics. Extending UBD to task-evoked states, we derive brain dynamics across various cognitive conditions, elucidating the neural mechanisms driving cognitive transitions at a finer granularity. For individual differences, we compare brain dynamics across subjects to identify the neural underpinnings of these variations. Our findings suggest that synergistically integrating spatial and temporal properties of brain activity establishes a universal space for its unfolding, enabling the precise numerical analysis of underlying neural mechanisms across varying conditions.
- Abstract（参考訳）: データ駆動の普遍空間を通して力学系を表現することは、有効であることが証明されているが、人間の脳活動に対するこの普遍性を達成することは、様々な認知状態や個人の主題によってさらに増大する重要な課題である。
空間的特性が物理的配線を反映し、時間的特性が脳機能を反映していることを認識し、脳活動に適した普遍的な空間を構築し、モデル由来のジャコビアン行列を用いて対応するダイナミクスを定量化するユニバーサル脳ダイナミクス(UBD)を開発した。
我々は,Human Connectome Project (HCP) における8つの状態と963人の被験者を対象に,機能的磁気共鳴画像(fMRI)信号(ピアソン r > 0.9)を正確に予測し,UBDの普遍性を検証した。
UBD内の静止状態fMRIを評価することで、脳活動の基盤となる赤外線のゆらぎ(ISF)について考察する。
さらに,脳動態の時間的シーケンスを解析することにより,構造-機能結合(SFC)の新たな視点を明らかにする。
UBDをタスク誘発状態に拡張することで、様々な認知状態にわたる脳のダイナミクスを導き、より細かい粒度で認知遷移を駆動する神経機構を解明する。
個人差について、被験者間の脳のダイナミクスを比較し、これらの変化の神経基盤を特定する。
本研究は,脳活動の空間的・時間的特性を相乗的に統合することにより,その展開のための普遍的な空間が確立し,基礎となる神経機構を様々な条件で正確に解析できることを示唆する。
関連論文リスト
- 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) - Voxel-Level Brain States Prediction Using Swin Transformer [65.9194533414066]
本稿では, 4D Shifted Window (Swin) Transformer をエンコーダとして用い, 時間的情報を効率よく学習し, 畳み込みデコーダを用いて入力fMRIデータと同じ空間的, 時間的解像度で脳状態の予測を可能にするアーキテクチャを提案する。
前回の23.04s fMRI時系列に基づいて7.2sの安静時脳活動を予測すると,高い精度が得られた。
これは、人間の脳の時間的構造が高解像度でSwin Transformerモデルによって学習できることを示す有望な証拠である。
論文 参考訳（メタデータ） (2025-06-13T04:14:38Z) - Neural Brain: A Neuroscience-inspired Framework for Embodied Agents [78.61382193420914]
大規模な言語モデルのような現在のAIシステムは、いまだに解体され続けており、物理的に世界と関わりが持てない。
この課題の核心は、人間のような適応性を持つエンボディエージェントを駆動するために設計された中枢知能システムであるNeural Brain(ニューラル・ブレイン)の概念である。
本稿では,2つの基本的な課題に対処する,エンボディエージェントのニューラルブレインの統一的枠組みを提案する。
論文 参考訳（メタデータ） (2025-05-12T15:05:34Z) - ASD Classification on Dynamic Brain Connectome using Temporal Random Walk with Transformer-based Dynamic Network Embedding [1.6044444452278062]
我々は、時間とともに脳の接続の時間的進化を捉える新しい動的ネットワーク埋め込み手法であるBrainTWTを提案する。
自閉症脳画像データ交換(ABIDE)データセットを用いた実験的評価は、BrainTWTがASD分類におけるベースライン手法より優れていることを示す。
論文 参考訳（メタデータ） (2025-03-16T05:44:11Z) - Brain-like Functional Organization within Large Language Models [58.93629121400745]
人間の脳は長い間人工知能(AI)の追求にインスピレーションを与えてきた
最近のニューロイメージング研究は、人工ニューラルネットワーク(ANN)の計算的表現と、人間の脳の刺激に対する神経反応との整合性の説得力のある証拠を提供する。
本研究では、人工ニューロンのサブグループと機能的脳ネットワーク(FBN)を直接結合することで、このギャップを埋める。
このフレームワークはANサブグループをFBNにリンクし、大きな言語モデル(LLM)内で脳に似た機能的組織を記述できる。
論文 参考訳（メタデータ） (2024-10-25T13:15:17Z) - Artificial Kuramoto Oscillatory Neurons [65.16453738828672]
神経科学とAIの両方では、ニューロン間の'バインディング'が、ネットワークの深い層においてより抽象的な概念を表現するために表現を圧縮する、競争的な学習の形式につながることが知られている。
完全に接続された畳み込みや注意機構などの任意の接続設計とともに人工的再考を導入する。
このアイデアは、教師なしオブジェクト発見、敵対的ロバスト性、不確実性、定量化、推論など、幅広いタスクにわたるパフォーマンス改善を提供する。
論文 参考訳（メタデータ） (2024-10-17T17:47:54Z) - Latent Representation Learning for Multimodal Brain Activity Translation [14.511112110420271]
本稿では、空間的および時間的解像度ギャップをモダリティに橋渡しするSAMBA(Spatiotemporal Alignment of Multimodal Brain Activity)フレームワークを提案する。
SAMBAは、電気生理学的記録のスペクトルフィルタリングのための新しい注目ベースのウェーブレット分解を導入した。
SAMBAの学習は、翻訳の他に、脳情報処理の豊かな表現も学べることが示されている。
論文 参考訳（メタデータ） (2024-09-27T05:50:29Z) - CREIMBO: Cross-Regional Ensemble Interactions in Multi-view Brain Observations [3.3713037259290255]
現在の分析手法は、しばしばそのようなデータの豊かさを活かさない。
CREIMBOは、グラフ駆動辞書学習を通じて、セッションごとのニューラルアンサンブルの隠れた構成を特定する。
合成データ中の真の成分を回収するCREIMBOの能力を実証する。
論文 参考訳（メタデータ） (2024-05-27T17:48:32Z) - 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)
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。