論文の概要: Geometry-Driven Flow Analysis of Brain Sulcal Pattern

• arxiv url: http://arxiv.org/abs/2606.08404v1
• Date: Sun, 07 Jun 2026 01:41:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 14:42:06.086845
• Title: Geometry-Driven Flow Analysis of Brain Sulcal Pattern
• Title（参考訳）: 幾何駆動型脳サルカルパターンのフロー解析
• Authors: Moo K. Chung, Luigi Maccotta, Aaron Struck,
• Abstract要約: 皮質の折り畳みは神経疾患の敏感なマーカーとして認識されつつある。 若年性筋硬化性てんかんでは、皮質の異常はしばしば微妙で、空間的に分布しており、検出が困難である。 幾何駆動フローとして皮質の折り畳みをモデル化するPoisson-equation-based frameworkを導入する。
• 参考スコア（独自算出の注目度）: 1.5803208833562954
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cortical folding reflects coordinated neurodevelopmental processes and is increasingly recognized as a sensitive marker of neurological disease. However, most existing analyses rely on indirect scalar summaries that do not explicitly model folding geometry itself. In juvenile myoclonic epilepsy (JME), a common genetic epilepsy, cortical abnormalities are often subtle, spatially distributed, and difficult to detect using conventional morphometric measures. We introduce a Poisson-equation-based framework that models cortical folding as a geometry-driven flow derived from mean curvature on the cortical manifold. By treating folding patterns as a stationary source-sink structure, the proposed approach yields a smooth, globally balanced potential field whose surface gradient defines a physically interpretable flux. This framework enables spatially coherent analysis of sulcal-gyral folding organization and provides a principled representation of geometry-driven cortical structure in JME.
• Abstract（参考訳）: 皮質の折り畳みは、協調した神経発達過程を反映し、神経疾患の敏感なマーカーとして認識されている。 しかし、既存の分析のほとんどは、折りたたみ幾何学自体を明示的にモデル化しない間接スカラーサマリーに依存している。 若年性筋硬化性てんかん(JME)では、一般的な遺伝てんかんであり、皮質の異常はしばしば微妙で、空間的に分布しており、従来の形態計測法では検出が困難である。 我々は, 平均曲率から導かれる幾何駆動フローとして, 皮質の折りたたみをモデル化するポアソン方程式に基づくフレームワークを提案する。 屈曲パターンを定常ソースシンク構造として扱うことにより, 表面勾配が物理的に解釈可能なフラックスを規定するスムーズで大域的にバランスの取れたポテンシャル場が得られる。 この枠組みは,空間的コヒーレントなSulcal-gyralの折り畳み構造解析を可能にし,JMEにおける幾何駆動の皮質構造の原理的表現を提供する。

関連論文リスト

• FLUX: Geometry-Aware Longitudinal Flow Matching with Mixture of Experts [5.287641390746397]
  連成輸送モデルと教師なし状態発見のための幾何認識型縦流マッチングフレームワークFLUXを紹介する。 Across manifold control, a regime-switching Lorenz system, widefield cortical calcium imaging during associative learning, and FLUX, FLUX restructing longitudinal transport while recovering interpretable regime structure。
  論文  参考訳（メタデータ） (2026-05-09T03:36:00Z)
• A Mean Curvature Approach to Boundary Detection: Geometric Insights for Unsupervised Learning [52.452902154360565]
  本稿では,幾何学的機械学習に基づく新しい幾何学的フレームワークであるMean Curvature Boundary Points (MCBP)を紹介する。 MCBPはデータ多様体の固有曲率を明示的にモデル化し、原理化された多様体のパラメトリゼーションを必要としない点平均曲率を計算する。 合成および実世界のデータセットの実験により、MCBPはクラスタリング性能を一貫して改善することを示した。
  論文  参考訳（メタデータ） (2026-05-05T20:19:09Z)
• Hierarchical Mesh Transformers with Topology-Guided Pretraining for Morphometric Analysis of Brain Structures [7.663406601980095]
  ヘテロジニアスメッシュ解析のための階層型トランスフォーマーフレームワークを提案する。 特徴投影モジュールは、頂点ごとの可変長臨床記述子を空間階層にマッピングする。 我々は、ADNIの体積脳メッシュを用いたアルツハイマー病の分類とアミロイド負荷予測、およびMELDデータセットによる皮質表面メッシュの局所皮質異形成の検出に対するアプローチを検証した。
  論文  参考訳（メタデータ） (2026-04-06T22:27:36Z)
• The Geometric Price of Discrete Logic: Context-driven Manifold Dynamics of Number Representations [6.414826816896125]
  大規模言語モデル(LLM)は連続的な意味空間をスムーズに一般化するが、厳密な論理的推論は決定境界の形成を要求する。 我々は、タスクコンテキストが、必要な「トポロジ的歪み」を強制する非等方的力学演算子として機能すると主張している。 この幾何学的進化は、単純な写像から複雑な原始性テストまで、タスクの勾配を越えて検証する。
  論文  参考訳（メタデータ） (2026-03-24T13:41:57Z)
• Probability-Invariant Random Walk Learning on Gyral Folding-Based Cortical Similarity Networks for Alzheimer's and Lewy Body Dementia Diagnosis [22.219305615941977]
  アルツハイマー病 (AD) とLewy body dementia (LBD) は重複する臨床像を呈するが, 明確な診断戦略が必要である。 ノードアライメントを伴わない個別のジャラル折り畳みネットワークを分類する確率不変なランダムウォークに基づくフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-19T17:11:59Z)
• Generalized Linear Mode Connectivity for Transformers [87.32299363530996]
  驚くべき現象はリニアモード接続(LMC)であり、独立に訓練されたモデルを低損失またはゼロ損失の経路で接続することができる。 以前の研究は主に置換によるニューロンの並べ替えに焦点を合わせてきたが、そのようなアプローチは範囲に限られている。 我々は、4つの対称性クラス(置換、半置換、変換、一般可逆写像)をキャプチャする統一的なフレームワークを導入する。 この一般化により、独立に訓練された視覚変換器とGPT-2モデルの間の低障壁とゼロバリア線形経路の発見が可能となった。
  論文  参考訳（メタデータ） (2025-06-28T01:46:36Z)
• Geometric Trajectory Diffusion Models [58.853975433383326]
  生成モデルは3次元幾何学システムの生成において大きな可能性を示してきた。 既存のアプローチは静的構造のみで動作し、物理系は常に自然界において動的であるという事実を無視する。 本研究では3次元軌跡の時間分布をモデル化する最初の拡散モデルである幾何軌道拡散モデル(GeoTDM)を提案する。
  論文  参考訳（メタデータ） (2024-10-16T20:36:41Z)
• 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)
• A Unifying and Canonical Description of Measure-Preserving Diffusions [60.59592461429012]
  ユークリッド空間における測度保存拡散の完全なレシピは、最近、いくつかのMCMCアルゴリズムを単一のフレームワークに統合した。 我々は、この構成を任意の多様体に改善し一般化する幾何学理論を開発する。
  論文  参考訳（メタデータ） (2021-05-06T17:36:55Z)

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。