Fugu-MT 論文翻訳(概要): FM-fMRI: Event Conditioned Flow Matching for Rest-to-Task fMRI Time-Series Synthesis

論文の概要: FM-fMRI: Event Conditioned Flow Matching for Rest-to-Task fMRI Time-Series Synthesis

arxiv url: http://arxiv.org/abs/2605.26423v1
Date: Tue, 26 May 2026 01:21:23 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-27 17:51:41.52039
Title: FM-fMRI: Event Conditioned Flow Matching for Rest-to-Task fMRI Time-Series Synthesis
Title（参考訳）: FM-fMRI:Rest-to-Task fMRI時系列合成のためのイベント条件付きフローマッチング
Authors: Peiyu Duan, Jiyao Wang, Nicha C. Dvornek, Junlin Yang, Ziqi Gao, Lawrence H. Staib, James S. Duncan,
Abstract要約: タスクベースfMRIはタスク誘発ニューラルダイナミクスの直接的な読み出しを提供するが、大規模に取得するのは高価で困難である。本稿では,連続時間条件ベクトル場を学習し,タスクROI時系列を生成するイベント条件付きフローマッチングモデルFM-fMRIを提案する。
参考スコア（独自算出の注目度）: 18.558334929753453
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Task-based fMRI provides a direct readout of task-evoked neural dynamics, but it is expensive and difficult to acquire at scale, motivating rest-to-task synthesis from widely available resting-state fMRI (rsfMRI). We propose FM-fMRI, an event-conditioned flow-matching model that learns a continuous-time conditional vector field to generate task ROI time series from a subject's rsfMRI and the task event information. The formulation enables fast ODE-based sampling and flexible conditioning over heterogeneous event schedules. Rather than optimizing for pointwise reconstruction, we evaluated generated signals using complementary criteria that probe temporal and spectral structure, subject and group-level connectome consistency, and distributional alignment. On the public Human Connectome Project and internal BioPoint autism cohort, FM-fMRI achieves the strongest spectral and connectivity agreement and improved distribution-level matching over conditional diffusion, generative adversarial networks (GANs), and variational autoencoders (VAEs) baselines. Furthermore, we augment the BioPoint cohort by synthesizing task-fMRI ROI time series with our method, improving downstream autism classification and demonstrating practical utility in data-limited clinical settings. The code will be available on GitHub.
Abstract（参考訳）: タスクベースfMRIはタスク誘発ニューラルダイナミクスの直接読み出しを提供するが、広く利用可能なsfMRI(sfMRI)から安静時合成を動機付けるため、大規模に取得することは高価で困難である。本研究では,連続時間条件ベクトル場を学習し,被験者のrsfMRIとタスクイベント情報からタスクROI時系列を生成するイベント条件付きフローマッチングモデルFM-fMRIを提案する。この定式化により、高速なODEベースのサンプリングと、異種イベントスケジュール上のフレキシブルな条件付けが可能になる。本研究では,時間的・スペクトル的構造,主観的・グループレベルのコネクトームの整合性,分布的アライメントを探索する相補的基準を用いて,ポイントワイズ再構成を最適化する代わりに,生成信号の評価を行った。公共のヒューマンコネクトームプロジェクトとBioPoint自閉症コホートでは、FM-fMRIは、条件拡散、GAN(generative adversarial Network)、VAE(variantal autoencoders)ベースラインに対する分布レベルのマッチングの改善と、最も強いスペクトルおよび接続契約を達成している。さらに,本手法でタスク-fMRI ROI 時系列を合成し,下流自閉症分類を改善し,データ限定臨床環境における実用性を示すことにより,BioPointコホートを増強する。コードはGitHubで入手できる。

関連論文リスト

fMRI-Diffusion: Generating fMRI Time Series Via a Temporal Transformer Diffusion Model for Major Depressive Disorder Diagnosis [14.96995835279229]
機能的磁気共鳴画像(fMRI)からMDD(Major Depressive Disorder)を診断するには、臨床環境では不十分な大量のラベル付きデータが必要である。本稿では,FC行列ではなく,関心領域(ROI)レベルのfMRI時系列を合成するフレームワークであるfMRI-Diffusionを提案する。テンポラルトランスフォーマーは、分極拡散確率モデル内の分極ネットワークとして機能し、各時点をトークンとして扱い、自己注意を通して時間的依存関係をキャプチャする。
論文参考訳（メタデータ） (2026-05-22T04:47:18Z)
Triple Spectral Fusion for Sensor-based Human Activity Recognition [86.21994396715074]
本稿では,センサを用いたヒューマンアクティビティ認識(HAR)に適した新しい三重スペクトル融合フレームワークを提案する。雑音抑制のための適応的な補間フィルタリング手法を開発し,各IMUセンサを姿勢・運動モードノードに整理する。適応ウェーブレット周波数選択手法により、コンテキストの冗長性を抑え、特徴の長さを短縮する。
論文参考訳（メタデータ） (2026-05-04T15:42:58Z)
FAIM: Frequency-Aware Interactive Mamba for Time Series Classification [87.84511960413715]
時系列分類(TSC)は、環境モニタリング、診断、姿勢認識など、多くの実世界の応用において重要である。本稿では,周波数対応対話型マンバモデルであるFAIMを提案する。 FAIMは既存の最先端(SOTA)手法を一貫して上回り、精度と効率のトレードオフが優れていることを示す。
論文参考訳（メタデータ） (2025-11-26T08:36:33Z)
Adversarial Multi-Task Learning for Liver Tumor Segmentation, Dynamic Enhancement Regression, and Classification [12.840471674149194]
肝腫瘍セグメンテーション, ダイナミックエンハンスメントレグレッション, 分類は臨床的評価と診断に重要である。エンド・ツー・エンドのフレームワークでこれらのタスクを同時に実行しようとする以前の作業はない。本稿では,これらのタスクを同時に処理するための新しい統合フレームワークであるMTI-Netを提案する。
論文参考訳（メタデータ） (2025-11-25T19:33:24Z)
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)
Brain Effective Connectivity Estimation via Fourier Spatiotemporal Attention [28.16273684461348]
時間的・空間的注意(FSTA-EC)に基づく脳能動接続推定法を提案する。 FSTA-ECは、フーリエの注意と注意を組み合わせて、fMRIデータからシリーズ間(時間的)のダイナミックスとシリーズ内(時間的)の依存関係を同時にキャプチャする。シミュレーションおよびリアルタイムfMRIデータセットの実験結果から,提案手法は最先端の手法と比較して優れた性能を示すことが示された。
論文参考訳（メタデータ） (2025-03-14T10:41:27Z)
FlowTS: Time Series Generation via Rectified Flow [67.41208519939626]
FlowTSは、確率空間における直線輸送を伴う整流フローを利用するODEベースのモデルである。非条件設定では、FlowTSは最先端のパフォーマンスを達成し、コンテキストFIDスコアはStockとETThデータセットで0.019と0.011である。条件設定では、太陽予測において優れた性能を達成している。
論文参考訳（メタデータ） (2024-11-12T03:03:23Z)
Accelerated Multi-Contrast MRI Reconstruction via Frequency and Spatial Mutual Learning [50.74383395813782]
本稿では,周波数・空間相互学習ネットワーク(FSMNet)を提案する。提案したFSMNetは, 加速度係数の異なるマルチコントラストMR再構成タスクに対して, 最先端の性能を実現する。
論文参考訳（メタデータ） (2024-09-21T12:02:47Z)
Learning Sequential Information in Task-based fMRI for Synthetic Data Augmentation [10.629487323161323]
本稿では、下流学習における強化トレーニングデータセットの作成に使用できる合成fMRIシーケンスの生成手法を提案する。合成画像は、可視化や自閉症スペクトラム障害(ASD)分類タスクを含む複数の視点から評価される。
論文参考訳（メタデータ） (2023-08-29T18:36:21Z)
Convolutional Monge Mapping Normalization for learning on sleep data [63.22081662149488]
我々は、CMMN(Convolutional Monge Mapping Normalization)と呼ばれる新しい手法を提案する。 CMMNは、そのパワースペクトル密度(PSD)をトレーニングデータに基づいて推定されるワッサーシュタインバリセンタに適応させるために、信号をフィルタリングする。睡眠脳波データに関する数値実験により、CMMNはニューラルネットワークアーキテクチャから独立して、顕著で一貫したパフォーマンス向上をもたらすことが示された。
論文参考訳（メタデータ） (2023-05-30T08:24:01Z)
Attend and Decode: 4D fMRI Task State Decoding Using Attention Models [2.6954666679827137]
我々は、Brain Attend and Decode (BAnD)と呼ばれる新しいアーキテクチャを提案する。 BAnDは残留畳み込みニューラルネットワークを用いて空間的特徴抽出と時間的モデリングを行う。我々は,Human Connectome Project-Young Adult データセットの 7-task ベンチマークによる以前の研究と比較して,大幅な性能向上を実現している。
論文参考訳（メタデータ） (2020-04-10T21:29:34Z)

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。