論文の概要: Multiscale Community-Based Fingerprinting of Signed Functional Networks
- arxiv url: http://arxiv.org/abs/2608.27483v1
- Date: Tue, 25 Aug 2026 19:10:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-31 17:16:04.079576
- Title: Multiscale Community-Based Fingerprinting of Signed Functional Networks
- Title（参考訳）: サイン付き機能ネットワークのマルチスケールコミュニティベースフィンガープリント
- Abstract要約: マルチスケールなコミュニティベース機能型コネクトームフィンガープリントフレームワークを提案する。
機能ネットワークのメソスケール構造によって個々の個人を特徴づける。
以上の結果から, コミュニティベースの指紋は, 個別化脳機能評価のための信頼性, 解釈可能な基質であることがわかった。
- 参考スコア（独自算出の注目度）: 12.465595690269351
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Objective: Recent studies demonstrate that functional connectomes contain subject-specific signatures, or \textit{fingerprints}, that can identify individuals across repeated sessions and tasks. Existing methods mostly rely on edge-level features that are sensitive to noise, difficult to interpret, and limited in their ability to generalize across tasks and datasets. Methods: We propose a multiscale community-based functional connectome fingerprinting framework that characterizes each individual by the mesoscale structure of their functional networks. We introduce a signed multilayer community detection framework that incorporates both correlated and anti-correlated brain activity to identify subject-specific community structures across tasks and sessions. Graph-theoretic metrics are then computed from the resulting joint community structures to derive low-dimensional community-level fingerprint representations. Results: The proposed framework is evaluated on 810 healthy control subjects from the Human Connectome Project (HCP). The results show that community-based fingerprints provide a reliable and interpretable substrate for individualized brain characterization across sessions and tasks. Conclusion: Mesoscale community structure provides meaningful and discriminative subject-specific fingerprints. Significance: The proposed framework offers a promising foundation for precision neuroimaging and personalized neuroscience applications.
- Abstract（参考訳）: 目的:最近の研究では、機能的コネクトームには、繰り返しセッションやタスクで個人を識別できる主観的なシグネチャ(textit{fingerprints})が含まれていることが示されている。
既存のメソッドは主に、ノイズに敏感で、解釈が困難で、タスクやデータセットをまたいで一般化する能力に制限のあるエッジレベルの機能に依存している。
方法: 機能的ネットワークのメソスケール構造によって各個人を特徴付けるマルチスケールコミュニティベースの機能的コネクトームフィンガープリントフレームワークを提案する。
関連性および反相関性のある脳活動を組み込んだ多層コミュニティ検出フレームワークを導入し,課題とセッションをまたいだ主観的コミュニティ構造を同定する。
グラフ理論のメトリクスは、結果として得られる共同コミュニティ構造から計算され、低次元のコミュニティレベルの指紋表現を導出する。
結果:Human Connectome Project (HCP) の健康管理対象810名を対象に,提案手法の評価を行った。
その結果、コミュニティベースの指紋は、セッションやタスク間での個別化された脳機能評価のための信頼性と解釈可能な基質を提供することがわかった。
結論: メソスケールのコミュニティ構造は、意味があり差別的な主題固有の指紋を提供する。
意義:提案フレームワークは、精度の高いニューロイメージングとパーソナライズされたニューロサイエンス応用のための有望な基盤を提供する。
関連論文リスト
- Inter-X++: A Comprehensive Benchmark for Multimodal Human-Human Interaction Analysis [55.78822230833247]
We present Inter-X++, a comprehensive and large-scale benchmark designed to empower useful HHI analysis。
インターX++は11,388個の高忠実な相互作用シーケンスと8.1Mフレームを提供する。
インタラクションの再構築と意味理解を協調的に最適化する,単一かつ統一されたHHI表現とモデリングフレームワークOpenHHIを提案する。
論文 参考訳（メタデータ） (2026-08-20T17:51:48Z) - Motif Guided Graph Transformer with Combinatorial Skeleton Prototype Learning for Skeleton-Based Person Re-Identification [60.939250172443586]
3Dスケルトンデータによる人物再識別(re-ID)は多くのシナリオにおいて重要な価値を持つ課題である。
既存の骨格に基づく手法は、典型的には全ての関節間の仮想運動関係を仮定し、学習に平均的な関節またはシーケンス表現を採用する。
本稿では,Y Combinatorial skeleton prototype learning (MoCos)を用いた汎用Motifガイドグラフトランスフォーマを提案する。
MoCosは、構造特異的で歩行関連のある身体関係とスケルトングラフの特徴を利用して、人物のre-IDに効果的な骨格表現を学習する。
論文 参考訳（メタデータ） (2024-12-12T08:13:29Z) - Visual-Geometric Collaborative Guidance for Affordance Learning [63.038406948791454]
本稿では,視覚的・幾何学的手がかりを取り入れた視覚・幾何学的協調学習ネットワークを提案する。
本手法は,客観的指標と視覚的品質の代表的なモデルより優れている。
論文 参考訳（メタデータ） (2024-10-15T07:35:51Z) - Causality-based Subject and Task Fingerprints using fMRI Time-series Data [8.268840872881213]
本稿では,「因果指紋」の概念を開拓し,定量化する。
実験結果と非因果性に基づく手法との比較により,提案手法の有効性が示された。
我々の研究は、健康管理と神経変性疾患の両方に適用可能な因果指紋のさらなる研究の道を開く。
論文 参考訳（メタデータ） (2024-09-26T21:10:50Z) - Representation Learning for Person or Entity-centric Knowledge Graphs:
An Application in Healthcare [0.757843972001219]
本稿では、構造化データと非構造化データからエンティティ中心のKGを抽出するエンドツーエンド表現学習フレームワークを提案する。
我々は、人の複数の面を表す星型分類器を導入し、それをKG生成のガイドに利用する。
このアプローチにはいくつかの潜在的なアプリケーションがあり、オープンソースであることを強調します。
論文 参考訳（メタデータ） (2023-05-09T17:39:45Z) - High-Accuracy Machine Learning Techniques for Functional Connectome
Fingerprinting and Cognitive State Decoding [0.0]
本研究は、認知的要求タスクに基づく、個人の脳の指紋と認知状態に関する最近の研究に基づいている。
提案手法は、fMRIスキャンの被検体の識別と、前例のない被検体の認知状態の分類の両方において、最大99%の精度を達成している。
論文 参考訳（メタデータ） (2022-11-14T16:41:51Z) - Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A
Survey [71.43956423427397]
本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。
この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。
もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
論文 参考訳（メタデータ） (2022-07-20T13:37:57Z) - Quasi-orthogonality and intrinsic dimensions as measures of learning and
generalisation [55.80128181112308]
ニューラルネットワークの特徴空間の次元性と準直交性は、ネットワークの性能差別と共同して機能する可能性があることを示す。
本研究は, ネットワークの最終的な性能と, ランダムに初期化された特徴空間の特性との関係を示唆する。
論文 参考訳（メタデータ） (2022-03-30T21:47:32Z) - An explainability framework for cortical surface-based deep learning [110.83289076967895]
我々は,皮質表面の深層学習のためのフレームワークを開発した。
まず,表面データに摂動に基づくアプローチを適用した。
我々の説明可能性フレームワークは,重要な特徴とその空間的位置を識別できるだけでなく,信頼性と有効性も示している。
論文 参考訳（メタデータ） (2022-03-15T23:16:49Z) - Action in Mind: A Neural Network Approach to Action Recognition and
Segmentation [0.0]
本稿では,ニューラルネットワークに基づく多層アーキテクチャの異なる実装によるヒューマンアクション認識のための新しい計算手法を提案する。
提案する行動認識アーキテクチャは,前処理層,順序ベクトル表現層,ニューラルネットワークの3層を含む複数の処理層から構成される。
開発の各段階において、システムは連続する3d体姿勢からなる入力データで訓練され、システムがこれまで経験したことのない一般的な入力データでテストされる。
論文 参考訳（メタデータ） (2021-04-30T09:53:28Z) - From Connectomic to Task-evoked Fingerprints: Individualized Prediction
of Task Contrasts from Resting-state Functional Connectivity [17.020869686284165]
Resting-state functional MRI (rsfMRI) は、個人の認知指紋として機能する機能的コネクトームを産生する。
静止状態の指紋から個々のタスクのコントラストを予測するために,面ベース畳み込みニューラルネットワーク(BrainSurfCNN)モデルを提案する。
論文 参考訳（メタデータ） (2020-08-07T02:44:16Z)
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。