Fugu-MT 論文翻訳(概要): Fast Whole-Brain, Geometry-Aware Functional Alignment for Cross-Subject Decoding

論文の概要: Fast Whole-Brain, Geometry-Aware Functional Alignment for Cross-Subject Decoding

arxiv url: http://arxiv.org/abs/2607.10931v1
Date: Sun, 12 Jul 2026 21:37:33 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-14 15:40:48.582083
Title: Fast Whole-Brain, Geometry-Aware Functional Alignment for Cross-Subject Decoding
Title（参考訳）: クロスオブジェクトデコーディングのための高速全脳・幾何学的機能アライメント
Abstract要約: 脳反応パターンの個人間変動は、個人間で一般化するデコーダの開発を制限する。そこで我々は,fMRIのための新しい機能アライメント手法であるSpectralOTを導入し,機能データに沿って皮質形状をLaplace-Beltrami固有モードに埋め込む。
参考スコア（独自算出の注目度）: 29.425034490742945
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Decoding brain activity is useful for characterizing brain processes and understanding the functional architecture underlying cognition. However, the inter-individual variability in brain response patterns limits the development of decoders that generalize across individuals. A solution to this challenge is functional alignment: aligning functional data across individuals before training population-level decoders. The core issue is to strike the balance between aligning functional features and preserving the anatomical structure, while maintaining computational efficiency. We introduce a new functional alignment method for fMRI, SpectralOT, that embeds cortical geometry into Laplace-Beltrami eigenmodes along functional data to regularize the alignment.
Abstract（参考訳）: 脳活動の復号化は、脳の過程を特徴づけ、認知の根底にある機能的アーキテクチャを理解するのに有用である。しかし、脳反応パターンの個体間変動は、個人間で一般化するデコーダの開発を制限している。この課題の解決策は、人口レベルのデコーダをトレーニングする前に、個人間で機能データを整列する機能アライメントである。中心的な問題は、機能的特徴の整合性と解剖学的構造を維持することのバランスを、計算効率を保ちながら打つことである。そこで我々は, fMRIの新しい機能的アライメント手法であるSpectralOTを導入し, 皮質形状をラプラス・ベルトラミ固有モードに埋め込んでアライメントを規則化する。

関連論文リスト

MindAdapter: Few-Shot Parameter-Efficient Residual Calibration of Cross-Subject Brain-to-Visual Decoding Models [30.343546626420277]
脳とコンピュータのインターフェイスでは、オブジェクト間の脳と視覚のデコーディングが依然として重要な課題である。我々は,事前学習された脳と視覚の復号化モデルのためのパラメータ効率の良い数ショットキャリブレーションフレームワークであるMindAdapterを提案する。
論文参考訳（メタデータ） (2026-05-23T17:28:48Z)
Principled Approaches for Extending Neural Architectures to Function Spaces for Operator Learning [78.88684753303794]
ディープラーニングは主にコンピュータビジョンと自然言語処理の応用を通じて進歩してきた。ニューラル演算子は、関数空間間のマッピングにニューラルネットワークを一般化する原則的な方法である。本稿では、無限次元関数空間間の写像の実践的な実装を構築するための鍵となる原理を同定し、蒸留する。
論文参考訳（メタデータ） (2025-06-12T17:59:31Z)
MindAligner: Explicit Brain Functional Alignment for Cross-Subject Visual Decoding from Limited fMRI Data [64.92867794764247]
MindAlignerは、限られたfMRIデータからのクロスオブジェクト脳デコーディングのためのフレームワークである。脳伝達マトリックス(BTM)は、任意の新しい被験者の脳信号を既知の被験者の1人に投射する。脳機能アライメントモジュールは、異なる視覚刺激下で軟質なクロスオブジェクト脳アライメントを実行するために提案されている。
論文参考訳（メタデータ） (2025-02-07T16:01:59Z)
Backpropagation through Soft Body: Investigating Information Processing in Brain-Body Coupling Systems [2.0686733932673604]
動物は脳、体、環境の動的結合を通じて洗練された行動制御を行う。それぞれのコンポーネントを個別に設計することなく、洗練されたエージェントを生成するための共設計アプローチが提案されている。物理的貯水池計算技術を用いて、最適化された脳機能を身体に組み込むことができることを示す。
論文参考訳（メタデータ） (2025-01-23T21:05:04Z)
BG-GAN: Generative AI Enable Representing Brain Structure-Function Connections for Alzheimer's Disease [22.705684592928908]
脳構造-機能結合を表すために,双方向グラフ生成対向ネットワーク (BG-GAN) を提案する。 Balancerと呼ばれる新しいモジュールは、ジェネレータとディスクリミネータ間の最適化を無効にするように設計されている。実験結果から、生成構造と機能接続の両方がアルツハイマー病(AD)の同定を改善することが示唆された。
論文参考訳（メタデータ） (2023-09-16T07:49:54Z)
Emergent Modularity in Pre-trained Transformers [127.08792763817496]
モジュラリティの主な特徴は、ニューロンの機能的特殊化と機能に基づくニューロングループ化である。事前学習中にモジュラリティがどのように出現するかを調べた結果,モジュール構造が早期に安定していることが判明した。このことはトランスフォーマーがまずモジュラ構造を構築し、次にきめ細かいニューロン関数を学ぶことを示唆している。
論文参考訳（メタデータ） (2023-05-28T11:02:32Z)
Joint cortical registration of geometry and function using semi-supervised learning [10.584603337042534]
我々は,最適なアトラスを学習しながら,折り畳みパターンと関数マップを協調的に整列する学習ベースの皮質登録フレームワークJOSAを紹介する。 JOSAは既存手法よりも解剖学的・機能的ドメインの登録性能を大幅に向上させることができることを示す。
論文参考訳（メタデータ） (2023-03-02T21:31:35Z)
Aligning individual brains with Fused Unbalanced Gromov-Wasserstein [39.51775813706268]
本稿では,Fused Un Balanced Gromov Wasserstein (FUGW) と表記される,最適輸送に基づく物体間アライメントの新しい手法を提案する。本手法は, 種々の刺激条件に応じて, 機能的シグネチャの類似性に基づいて皮質表面を整列させ, 個々の地形組織に大きな変形を罰する。その結果, FUGWアライメントは, 独立機能データに対する活動のオブジェクト間相関を著しく増加させ, グループレベルでのより正確なマッピングをもたらすことがわかった。
論文参考訳（メタデータ） (2022-06-19T13:06:11Z)
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 Functional Perspective on Learning Symmetric Functions with Neural Networks [48.80300074254758]
本研究では,測定値に基づいて定義されたニューラルネットワークの学習と表現について検討する。正規化の異なる選択の下で近似と一般化境界を確立する。得られたモデルは効率よく学習でき、入力サイズにまたがる一般化保証を享受できる。
論文参考訳（メタデータ） (2020-08-16T16:34:33Z)
MetaSDF: Meta-learning Signed Distance Functions [85.81290552559817]
ニューラルな暗示表現で形状を一般化することは、各関数空間上の学習先行値に比例する。形状空間の学習をメタラーニング問題として定式化し、勾配に基づくメタラーニングアルゴリズムを利用してこの課題を解決する。
論文参考訳（メタデータ） (2020-06-17T05:14:53Z)

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。