論文の概要: SC-TauPath: A Structural Connectivity Attribution Framework for Mapping Tau Propagation Pathways in Alzheimer's Disease
- arxiv url: http://arxiv.org/abs/2606.04066v1
- Date: Tue, 02 Jun 2026 13:57:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-04 20:44:18.285036
- Title: SC-TauPath: A Structural Connectivity Attribution Framework for Mapping Tau Propagation Pathways in Alzheimer's Disease
- Title（参考訳）: SC-TauPath : アルツハイマー病における Tau Propagation Path のマッピングのための構造結合性アトリビューションフレームワーク
- Authors: Jing Zhang, Norman Scheel, Minheng Chen, Tong Chen, Yanjun Lyu, David C. Zhu, Rong Zhang, Dajiang Zhu,
- Abstract要約: In vivo の神経画像データからtau の伝播経路をマッピングする SC-TauPath 構造接続(SC)アトリビューションフレームワークを提案する。
SC-TauPathは、ネットワーク拡散モデル(NDM)で拡張された多層パーセプトロンと勾配$times$入力属性を組み合わせて、各SCエッジのタウ予測への寄与を評価する。
234人のADNI参加者に適用すると、SC-TauPathは強いクロスバリデーションタウ予測を達成し、Braakステージング解剖と整合した帰属経路マップを生成する。
- 参考スコア（独自算出の注目度）: 15.453860436289164
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Understanding how structural connections are associated with tau propagation in Alzheimer's disease (AD) remains a central open question, yet existing computational models either rely heavily on biophysical assumptions or lack neurobiologically interpretable pathway maps. We present SC-TauPath, a structural connectivity (SC) attribution framework that maps tau propagation pathways from in vivo neuroimaging data. SC-TauPath combines a Network Diffusion Model (NDM)-augmented multilayer perceptron with gradient $\times$ input attribution to score each SC edge's contribution to tau prediction, then translates these attribution scores into multi-scale pathway maps (backbone edges, high-traffic routes, and hub ROIs), which validates established Braak staging anatomy. Applied to 234 ADNI participants with paired DTI SC and 18F-Flortaucipir PET, SC-TauPath achieves strong cross-validated tau prediction and yields attribution-based pathway maps consistent with established Braak staging anatomy, demonstrating that SC encode spatially specific information about regional tau distribution in AD.
- Abstract（参考訳）: アルツハイマー病(AD)における構造的結合がタウ伝播とどのように関連しているかを理解することは、依然として中心的な問題であるが、既存の計算モデルは生物物理学的な仮定に大きく依存するか、神経生物学的に解釈可能な経路マップが欠如している。
In vivo の神経画像データからtau の伝播経路をマッピングする SC-TauPath 構造接続(SC)アトリビューションフレームワークを提案する。
SC-TauPathは、ネットワーク拡散モデル(NDM)で拡張された多層パーセプトロンと勾配$\times$入力属性を組み合わせて、各SCエッジのタウ予測への寄与をスコアし、これらの属性スコアをマルチスケールの経路マップ(バックボーンエッジ、ハイトラフィックルート、ハブROI)に変換する。
DTI SCと18F-Flortaucipir PETを併用した234人のADNI患者に対して、SC-TauPathは強い交差価タウ予測を行い、確立されたBraakステージング解剖と整合した帰属経路マップを生成し、ADにおける局所タウ分布に関する空間的特異的情報をSCエンコードしていることを示した。
関連論文リスト
- PathMoG: A Pathway-Centric Modular Graph Neural Network for Multi-Omics Survival Prediction [3.198059550354872]
経路中心のモジュールグラフニューラルネットワークであるPathMoGを提案する。
PathMoGはゲノム規模の入力を354KEGGインフォームド・パス・モジュールに再編成する。
TCGA10型5,650例のPathMoGについて検討し, 生存ベースラインに対する一貫した改善を認めた。
論文 参考訳（メタデータ） (2026-04-27T12:05:45Z) - Prototype-driven fusion of pathology and spatial transcriptomics for interpretable survival prediction [0.17835405096329152]
完全スライド画像(WSI)は、多重インスタンス学習(MIL)による弱教師付き予後モデリングを可能にする
空間転写学(ST)はin situ遺伝子の発現を保持し、形態を補完する空間分子コンテキストを提供する。
本稿では,WSIとSTを統合した解釈可能なエンドツーエンドフレームワークPathoSpatialを紹介する。
論文 参考訳（メタデータ） (2026-02-12T21:59:07Z) - Understanding Mechanistic Role of Structural and Functional Connectivity in Tau Propagation Through Multi-Layer Modeling [10.770622296344632]
大規模なネットワークアーキテクチャはアルツハイマー病の進行に重要な役割を果たしている。
構造的接続性(SC)と機能的接続性(FC)がタウ伝播にどのように影響するかは未だ不明である。
論文 参考訳（メタデータ） (2025-10-23T02:52:42Z) - ReDiSC: A Reparameterized Masked Diffusion Model for Scalable Node Classification with Structured Predictions [64.17845687013434]
本稿では,構造化ノード分類のための構造拡散モデルであるReDiSCを提案する。
本稿では,ReDiSCが最先端のGNN,ラベル伝搬,拡散ベースラインと比較して,優れた,あるいは高い競争力を発揮することを示す。
特にReDiSCは、従来の構造化拡散法が計算制約によって失敗する大規模データセットに効果的にスケールする。
論文 参考訳（メタデータ） (2025-07-19T04:46:53Z) - ADPv2: A Hierarchical Histological Tissue Type-Annotated Dataset for Potential Biomarker Discovery of Colorectal Disease [9.518786316441718]
ADPv2は消化管病理に焦点をあてた新しいデータセットである。
本データセットは,正常な大腸生検スライドから得られた20,004枚の画像パッチを,32種類のHTT3レベルの階層分類で注釈した。
我々のデータセットは、臓器特異的な詳細な研究により、潜在的なバイオマーカーの発見が可能であることを示しています。
論文 参考訳（メタデータ） (2025-07-08T04:19:10Z) - Multi-Class Segmentation of Aortic Branches and Zones in Computed Tomography Angiography: The AortaSeg24 Challenge [55.252714550918824]
AortaSeg24 MICCAI Challengeは、23の臨床的に関連する大動脈枝と領域に注釈付き100 CTA巻の最初のデータセットを導入した。
本稿では,トップパフォーマンスアルゴリズムの課題設計,データセットの詳細,評価指標,詳細な分析について述べる。
論文 参考訳（メタデータ） (2025-02-07T21:09:05Z) - Anatomy-guided fiber trajectory distribution estimation for cranial
nerves tractography [14.352189425165777]
頭蓋底の複雑な環境は、拡散方向と繊維幾何学の間のあいまいな空間的対応をもたらす。
解剖学的に誘導された繊維軌道分布を有する新しいCN同定フレームワークを提案する。
論文 参考訳（メタデータ） (2024-02-29T05:08:59Z) - Thoracic Cartilage Ultrasound-CT Registration using Dense Skeleton Graph [49.11220791279602]
一般的なアトラスから個々の患者への計画された経路を正確にマッピングすることは困難である。
アトラスから現在の設定へ計画されたパスを転送できるように、グラフベースの非厳密な登録を提案する。
論文 参考訳（メタデータ） (2023-07-07T18:57:21Z) - Language Knowledge-Assisted Representation Learning for Skeleton-Based
Action Recognition [71.35205097460124]
人間が他人の行動を理解して認識する方法は、複雑な神経科学の問題である。
LA-GCNは、大規模言語モデル(LLM)知識アシストを用いたグラフ畳み込みネットワークを提案する。
論文 参考訳（メタデータ） (2023-05-21T08:29:16Z) - Brain Cortical Functional Gradients Predict Cortical Folding Patterns
via Attention Mesh Convolution [51.333918985340425]
我々は,脳の皮質ジャイロ-サルカル分割図を予測するための新しいアテンションメッシュ畳み込みモデルを開発した。
実験の結果,我々のモデルによる予測性能は,他の最先端モデルよりも優れていた。
論文 参考訳（メタデータ） (2022-05-21T14:08:53Z) - GCN for HIN via Implicit Utilization of Attention and Meta-paths [104.24467864133942]
不均一情報ネットワーク(HIN)埋め込みは、HINの構造と意味情報を分散表現にマッピングすることを目的としている。
本稿では,注意とメタパスを暗黙的に活用するニューラルネットワーク手法を提案する。
まず、各層で識別集約を行う多層グラフ畳み込みネットワーク(GCN)フレームワークを用いる。
次に,アグリゲーションから分離可能な新しい伝搬操作を導入することにより,効果的な緩和と改善を行う。
論文 参考訳（メタデータ） (2020-07-06T11:09:40Z)
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。