論文の概要: MSR-IVA: Masked Structural Residual Independent Vector Analysis for State-Aware Fusion of Structural MRI and Dynamic Functional Network Connectivity

• arxiv url: http://arxiv.org/abs/2608.24978v1
• Date: Tue, 25 Aug 2026 16:36:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-27 14:15:15.328701
• Title: MSR-IVA: Masked Structural Residual Independent Vector Analysis for State-Aware Fusion of Structural MRI and Dynamic Functional Network Connectivity
• Title（参考訳）: MSR-IVA:MSR-IVAによる構造MRIの核融合と動的機能ネットワーク接続性の解析
• Abstract要約: 本研究では、共有構造表現と状態固有残差適応と、不完全状態表現のためのマスクを組み合わせた状態認識フレームワークを提案する。 アルツハイマー病のニューロイメージングイニシアチブのコホートで、MSR-IVAは一致しないソース結合を6.5%改善した。
• 参考スコア（独自算出の注目度）: 17.853565521676064
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multimodal fusion of structural MRI (sMRI) and dynamic functional network connectivity (dFNC) can reveal how brain structure relates to changing functional states. When the same structural latent representation is coupled with multiple states, applying independent vector analysis (IVA) separately to each state can produce unrelated structural decompositions, while forcing identical decompositions may suppress state-specific relationships. In addition, not every subject expresses every dynamic state. We propose masked structural residual IVA (MSR-IVA), a state-aware framework that combines a shared structural representation with state-specific residual adaptations and masks for incomplete state expression. On an Alzheimer's Disease Neuroimaging Initiative cohort, MSR-IVA improved matched source coupling by 6.5% and reduced unmatched dependence by 15.7% relative to the independent pairwise IVA baseline. Among subjects expressing both states, mean absolute cross-state structural source correlation was 0.9177 for MSR-IVA versus 0.2978 for no sharing, demonstrating controlled structural sharing that preserves source correspondence while allowing state-specific adaptation.
• Abstract（参考訳）: 構造MRI(sMRI)と動的機能ネットワーク接続(dFNC)のマルチモーダル融合は、脳構造が機能状態の変化とどのように関連しているかを明らかにすることができる。 同じ構造的潜在表現が複数の状態と結合されている場合、独立ベクトル解析(IVA)を各状態に別々に適用すると、無関係な構造的分解が生じるが、同じ分解を強制すると状態固有の関係が抑制される。 さらに、全ての主題が全ての動的状態を表現するわけではない。 非完全状態表現のための共有構造表現と状態固有残差適応とマスクを組み合わせた状態認識フレームワークであるマスク構造残差IVA(MSR-IVA)を提案する。 アルツハイマー病のニューロイメージングイニシアチブのコホートでは、MSR-IVAは一致したソースの結合を6.5%改善し、不一致依存を独立なペアのIVAベースラインと比較して15.7%低減した。 両状態を表す被験者のうち,MSR-IVAは0.9177,共有は0.2978であった。

関連論文リスト

• The Trade-off Between Covariate Dependence and Latent Structure in Representation Learning [0.0]
  遠方形表現学習は、各指標次元が異なる共変量と整合する潜在表現を求める。 我々は、潜在次元-共変量依存と潜在構造への制約を結合する統一的、教師付きフレームワークを導入する。 ポストホックアライメントとiFAの両方が構造化潜在表現を制御可能であることを示す。
  論文  参考訳（メタデータ） (2026-08-17T08:20:40Z)
• DivRL: Disentangled Self-Similarity Rewards for Diverse Subject-Driven Generation [52.23323703015865]
  本研究では,アイデンティティの整合性と構造的多様性を同時に最適化するDivRLというポストトレーニングフレームワークを提案する。 構造的多様性を定量化するための負の自己相似性尺度(nSSM)と、アイデンティティの整合性を評価するための視覚的セマンティックマッチング(VSM)を導入する。
  論文  参考訳（メタデータ） (2026-06-22T21:22:42Z)
• PathAR: Structure-First Autoregressive Synthesis of Multimodal Pathology Images [51.428093790826814]
  そこで我々は, モーダリティ・ラベル条件付き病理モデル (PathAR) を用いて, 構造と外観を分解し, 自己回帰モデル(PathAR)を提案する。 PathARは、不均一なモダリティ固有の外観下で形態を安定化し、空間的に整列したイメージマスクペア生成を可能にする。
  論文  参考訳（メタデータ） (2026-06-01T01:43:48Z)
• DIVA: Harnessing the Representation Divergence in Unified Multimodal Models for Mutual Reinforcement [42.87874090062771]
  統一マルチモーダルモデル(UMM)は、理解と生成の両方において優れた性能を示している。 我々は、異なる監視信号によって誘導される誘導バイアスに起因する根本的な課題を特定する。 本研究では,自己改善型ポストトレーニングフレームワークであるDIVAを提案し,表現の発散を内部のシナジーに変換する。
  論文  参考訳（メタデータ） (2026-05-25T01:17:32Z)
• Multimodal Distribution Matching for Vision-Language Dataset Distillation [50.411341509805936]
  マルチモーダル分散マッチング(Multimodal Distribution Matching)は、効率的かつ一般化可能なマルチモーダル蒸留のための幾何学的枠組みである。 MDMはデータ、モデル、損失レベルで補完的なコンポーネントを統合する。 マルチモーダルなセマンティクスを保存し、蒸留コストを大幅に削減し、建築全体にわたって頑丈な、コンパクトな合成セットを生成する。
  論文  参考訳（メタデータ） (2026-05-22T10:41:58Z)
• Causal symmetrization as an empirical signature of operational autonomy in complex systems [0.0]
  理論生物学は、自律システムは構造と活動の間の相互的制約を通じてアイデンティティを維持することを提唱している。 人工社会技術システムにおけるこの枠組みを,運用自律性と整合した統計的署名を同定することにより実証的に評価する。
  論文  参考訳（メタデータ） (2025-12-09T10:32:39Z)
• Grouping Nodes With Known Value Differences: A Lossless UCT-based Abstraction Algorithm [64.43268969806098]
  モンテカルロ木探索(MCTS)の中核的な課題は、状態-作用ペアをグループ化することで改善できるサンプル効率である。 我々は、値等価状態または状態-作用ペアをグループ化し、代わりに異なる値を持つグループ状態と状態-作用ペアをグループ化するパラダイムを破る。 我々はこの抽象化フレームワークをKVDA(Known Value difference Abstractions)と呼び、即時報酬の分析によって価値の差を推測する。
  論文  参考訳（メタデータ） (2025-10-29T11:03:44Z)
• Enhancing Blind Source Separation with Dissociative Principal Component Analysis [0.0]
  疎主成分分析(sPCA)は、負荷ベクトル(LV)に間隔制約を課すことにより主成分(PC)の解釈可能性を高める この制限を克服するために、sPCAの解釈可能性の優位性を保ちながら、ソース抽出能力を著しく向上する洗練されたアプローチを提案する。 このアルゴリズムは2つのアルゴリズムからなる: 解離型PCA (DPCA1 と DPCA2)。
  論文  参考訳（メタデータ） (2024-11-19T08:24:01Z)
• Structural State Translation: Condition Transfer between Civil Structures Using Domain-Generalization for Structural Health Monitoring [0.0]
  本稿では,構造状態翻訳(Structure State Translation, SST)という新しいフレームワークを紹介する。 SSTは、異種構造から得られる情報に基づいて、異なる土木構造物の応答データを推定することを目的としている。 この研究は、構造が実際に異なる状態にある間、構造からデータを取得することができることを示すため、データ不足と構造健康モニタリング(SHM)に重要である。
  論文  参考訳（メタデータ） (2022-12-28T04:12:14Z)
• SpatioTemporal Focus for Skeleton-based Action Recognition [66.8571926307011]
  グラフ畳み込みネットワーク(GCN)は骨格に基づく行動認識において広く採用されている。 近年提案されている骨格に基づく行動認識法の性能は以下の要因によって制限されていると論じる。 近年の注目機構に着想を得て,アクション関連関係情報を取得するためのマルチグラインド・コンテキスト集中モジュール MCF を提案する。
  論文  参考訳（メタデータ） (2022-03-31T02:45:24Z)
• FPCR-Net: Feature Pyramidal Correlation and Residual Reconstruction for Optical Flow Estimation [72.41370576242116]
  フレーム対からの光フロー推定のための半教師付き特徴ピラミッド相関・残留再構成ネットワーク(FPCR-Net)を提案する。 ピラミッド相関マッピングと残留再構成の2つの主要なモジュールで構成されている。 実験結果から,提案手法は,平均終点誤差 (AEE) に対して0.80, 1.15, 0.10の改善を達成し,最先端性能を実現していることがわかった。
  論文  参考訳（メタデータ） (2020-01-17T07:13:51Z)

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。