論文の概要: MnemoDyn: Learning Resting State Dynamics from 40K FMRI sequences
- arxiv url: http://arxiv.org/abs/2608.23936v1
- Date: Tue, 25 Aug 2026 00:52:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-26 14:09:34.705153
- Title: MnemoDyn: Learning Resting State Dynamics from 40K FMRI sequences
- Title（参考訳）: MnemoDyn: 40KのFMRIシーケンスから安静状態のダイナミクスを学ぶ
- Authors: Sourav Pal, Viet Luong, Hoseok Lee, Tingting Dan, Guorong Wu, Richard Davidson, Won Hwa Kim, Vikas Singh,
- Abstract要約: 約40K rs-fMRIのデータセットに基づいて訓練した静止状態機能型磁気共鳴画像(rs-fMRI)の動的システムに基づくモデルを提案する。
我々は、MnemoDynが計算効率が高く、多様な集団や走査プロトコルで非常によく一般化されていることを示す。
- 参考スコア（独自算出の注目度）: 30.479993369816693
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: We present a dynamical-systems based model for resting-state functional magnetic resonance imaging (rs-fMRI), trained on a dataset of roughly 40K rs-fMRI sequences covering a wide variety of public and available-by-permission datasets. While most existing proposals use transformer backbones, we utilize multi-resolution temporal modeling of the dynamics across parcellated brain regions. We show that MnemoDyn is compute efficient and generalizes very well across diverse populations and scanning protocols. When benchmarked against current state-of-the-art transformer-based approaches, MnemoDyn consistently delivers superior reconstruction quality. Overall, we find that with such large-scale pre-training on (non-proprietary) rs-fMRI datasets, we get a highly performant model for various downstream tasks. Our results also provide evidence of the efficacy of the model on small sample size studies which has implications for neuroimaging studies at large where resting state fMRI is a commonly acquired imaging modality.
- Abstract（参考訳）: 本研究では,多種多種多様な公用・可用なデータを含む約40K rs-fMRIのデータセットを用いて,静止状態機能的磁気共鳴画像(rs-fMRI)の動的システムに基づくモデルを提案する。
既存のほとんどの提案では、トランスフォーマーバックボーンを用いるが、我々はパーセル化された脳領域をまたいだダイナミックスの多分解能時間モデリングを利用する。
我々は、MnemoDynが計算効率が高く、多様な集団や走査プロトコルで非常によく一般化されていることを示す。
現在の最先端のトランスフォーマーベースのアプローチに対してベンチマークを行うと、MnemoDynは一貫して優れた再構築品質を提供する。
全体として、このような大規模な(非プロプライエタリな)rs-fMRIデータセットによる事前学習では、様々な下流タスクに対して高いパフォーマンスのモデルが得られます。
また, 静止状態fMRIが一般的に取得される画像のモダリティである大脳神経画像研究において, モデルの有効性が示唆された。
関連論文リスト
- Estimating Brain Activity with High Spatial and Temporal Resolution using a Naturalistic MEG-fMRI Encoding Model [6.157087562708548]
現在の非侵襲的ニューロイメージング技術は、空間分解能と時間分解能の間にトレードオフがある。
我々は,脳磁図(MEG)と機能的磁気共鳴画像(fMRI)を組み合わせたトランスフォーマーベース符号化モデルを開発した。
複数の被験者からのMEGとfMRIの予測と,再建した大脳皮質源の推定値を表す潜在層の推定を訓練した。
論文 参考訳（メタデータ） (2025-10-10T14:18:10Z) - Towards a general-purpose foundation model for fMRI analysis [58.06455456423138]
我々は,4次元fMRIボリュームから学習し,多様なアプリケーション間で効率的な知識伝達を可能にするフレームワークであるNeuroSTORMを紹介する。
NeuroSTORMは、複数のセンターにまたがる5万人以上の被験者から5歳から100歳までの28.65万fMRIフレーム(→9000時間)で事前トレーニングされている。
年齢/性別予測、表現型予測、疾患診断、fMRI-to-image検索、タスクベースのfMRIの5つのタスクにおいて、既存の手法よりも優れています。
論文 参考訳（メタデータ） (2025-06-11T23:51:01Z) - A Unified Model for Compressed Sensing MRI Across Undersampling Patterns [69.19631302047569]
様々な計測アンサンプパターンと画像解像度に頑健な統合MRI再構成モデルを提案する。
我々のモデルは、拡散法よりも600$times$高速な推論で、最先端CNN(End-to-End VarNet)の4dBでSSIMを11%改善し、PSNRを4dB改善する。
論文 参考訳（メタデータ） (2024-10-05T20:03:57Z) - A Compact Implicit Neural Representation for Efficient Storage of
Massive 4D Functional Magnetic Resonance Imaging [14.493622422645053]
fMRI圧縮は、複雑な時間的ダイナミクス、低信号-雑音比、複雑な基礎的冗長性のために、ユニークな課題を生んでいる。
Inlicit Neural Representation (INR)に基づくfMRIデータに適した新しい圧縮パラダイムについて報告する。
論文 参考訳（メタデータ） (2023-11-30T05:54:37Z) - A Learnable Variational Model for Joint Multimodal MRI Reconstruction
and Synthesis [4.056490719080639]
マルチモーダルMRIの関節再構成と合成のための新しいディープラーニングモデルを提案する。
本モデルの出力は、ソースのモダリティの再構成画像と、ターゲットのモダリティで合成された高品質な画像を含む。
論文 参考訳（メタデータ） (2022-04-08T01:35:19Z) - MIST GAN: Modality Imputation Using Style Transfer for MRI [0.49172272348627766]
我々は既存のMRモードから欠落したMRモダリティを,スタイル転送を用いた計算問題として定式化する。
複数対1のマッピングにより、ターゲット画像を生成する際に、ドメイン固有のスタイルに対応するネットワークをモデル化する。
われわれのモデルはBraTS'18データセットでテストされ、その結果はビジュアルメトリクスの点で最先端のものと同等である。
論文 参考訳（メタデータ） (2022-02-21T17:50:40Z) - Modeling Shared Responses in Neuroimaging Studies through MultiView ICA [94.31804763196116]
被験者の大規模なコホートを含むグループ研究は、脳機能組織に関する一般的な結論を引き出す上で重要である。
グループ研究のための新しい多視点独立成分分析モデルを提案し、各被験者のデータを共有独立音源と雑音の線形結合としてモデル化する。
まず、fMRIデータを用いて、被験者間の共通音源の同定における感度の向上を示す。
論文 参考訳（メタデータ） (2020-06-11T17:29:53Z) - Time-Resolved fMRI Shared Response Model using Gaussian Process Factor
Analysis [19.237759421319957]
そこで我々は,S-GPFA(Shared Gaussian Process Factor Analysis)と呼ばれる新しいモデルを導入する。
シミュレーションデータを用いて地中真理潜伏構造を明らかにする上で,本モデルの有効性を実証し,公開可能なRaiderおよびSherlockデータセット上での時間分割マッチングとオブジェクト間類似性の実験的性能を再現した。
論文 参考訳（メタデータ） (2020-06-10T00:15:01Z)
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。