論文の概要: Bayesian Uncertainty Quantification for fMRI Functional Connectivity via Simulation-Based Inference

• arxiv url: http://arxiv.org/abs/2609.30445v1
• Date: Thu, 24 Sep 2026 18:37:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 18:27:51.103531
• Title: Bayesian Uncertainty Quantification for fMRI Functional Connectivity via Simulation-Based Inference
• Title（参考訳）: シミュレーションベース推論によるfMRI機能接続性のベイズ不確かさの定量化
• Abstract要約: 我々は, スキャナノイズ, 被写体変動性, 取得時間などの不確実性を定量化する。 単目的レベルでは、7Tは3Tでは約7分、スキャン時間は40%削減される。 人口レベルでは、3Tはプールされた曲線が収束するためには、オブジェクトごとのスキャン時間が7Tの約37倍の時間を要する。
• 参考スコア（独自算出の注目度）: 0.02333246928962178
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Optimizing fMRI scan duration and spatial resolution is critical for experimental design, yet traditional correlation-based approaches cannot quantify uncertainty or disentangle scanner measurement noise from true neural variability across subjects. Without principled uncertainty bounds, researchers cannot know whether a protocol is long enough to reliably estimate connectivity, or whether between-subject differences reflect biological variation or noise. We present a Bayesian framework modeling BOLD dynamics as coupled Ornstein-Uhlenbeck processes, using Sequential Neural Posterior Estimation to obtain connectivity posteriors while accounting for frequency-independent measurement noise across the BOLD spectrum. Applied to N = 28 healthy controls (55 scans) at 7T using a functional network atlas (65 DMN regions), the framework quantifies uncertainty across its sources: scanner noise, subject variability, and acquisition length. Spatial analysis identifies a mean of 46 voxels per ROI, roughly half of typical region sizes, as sufficient to achieve 90% of asymptotic precision. At the single-subject level, 7T reaches its within-session precision plateau in approximately 7 minutes versus 10 minutes for 3T, a 40% reduction in required scan time, providing the first direct, model-based quantification of the scan-time advantage conferred by higher field strength. At the population level, 3T requires roughly 37 times more per-subject scan time than 7T for the pooled curves to converge, confirming a consistent advantage of higher field strength at every timescale. Together these findings provide concrete, scanner-specific guidance for protocol optimization, with direct implications for reducing acquisition costs and improving the reliability of connectivity-based clinical biomarkers. We provide code enabling researchers to derive these bounds from their own data.
• Abstract（参考訳）: fMRIスキャンの時間と空間分解能の最適化は、実験的な設計において重要であるが、従来の相関に基づくアプローチでは、被験者間の真のニューラルバリアビリティから不確実性やアンタングルスキャナ計測ノイズを定量化できない。 原則的な不確実性境界がなければ、研究者は、プロトコルが接続性を確実に見積もるに十分な長さなのか、オブジェクト間の差異が生物学的な変動やノイズを反映しているのかを判断できない。 本稿では,BOLDスペクトルの周波数非依存性測定ノイズを考慮に入れながら,逐次ニューラル後続推定を用いてBOLDダイナミックスを結合されたOrnstein-Uhlenbeckプロセスとしてモデル化したベイズフレームワークを提案する。 機能的ネットワークアトラス(65 DMN領域)を用いて、7TのN = 28健全な制御(55スキャン)に適用すると、このフレームワークは、スキャナノイズ、被検体可変性、取得長といったソース間の不確実性を定量化する。 空間分析では、ROIあたり平均46ボクセル(典型的な領域の約半分)を、漸近的精度の90%を達成するのに十分であるとしている。 単目的レベルでは、7Tは3Tでは約7分でセッション内精度台地に達し、3Tでは10分でスキャン時間が40%削減される。 人口レベルでは、3Tはプールされた曲線が収束するためには、オブジェクトごとのスキャン時間が7Tの約37倍の時間を要する。 これらの知見は, プロトコル最適化のための具体的, スキャナ固有のガイダンスを提供し, 取得コストの低減と, 接続性に基づく臨床バイオマーカーの信頼性の向上に寄与する。 私たちは、研究者が自身のデータからこれらの境界を導出できるコードを提供します。

関連論文リスト

• From Inaudible Inputs to Model Failures: Low-Frequency Safety Risks in LALMs [46.76277198630859]
  大規模な音声言語モデル (LALM) は多様な音声入力を理解する強力な能力を示している。 この多様性には、人間には聞こえない低周波信号が含まれているが、それでもモデルに入り、その生成に影響を与えることができる。 ブラックボックス設定における普遍的な波形テンプレートを用いて,このリスクを評価可能な赤信号抽出手法である Intermittent Low-Frequency Lockout (ILL) を提案する。
  論文  参考訳（メタデータ） (2026-08-10T06:09:50Z)
• FedCC: A Low-Resource Federated Adaptation of Foundation Models for Robust Corpus Callosum localization in Fetal Ultrasound Images [34.592227505836156]
  胎児US画像におけるコーパス・カロサム(CC)の局在化のためのフレームワークであるFedCCを提案する。 このフレームワークは凍結したDINOv2バックボーンと軽量なYOLOベースの検出ヘッドを統合している。 計算と通信のオーバーヘッドを大幅に減らし、低リソース環境に適したフレームワークとなる。
  論文  参考訳（メタデータ） (2026-06-30T09:02:13Z)
• ResNet-34 with Lightweight Decoder for Accurate and Efficient Segmentation of Fetal Brain MRI [3.3745145603015985]
  本研究では,ResNet-34エンコーダと軽量デコーダを組み合わせた新しいディープラーニングモデルを提案する。 トレーニングされ、FeTAデータセット上で5倍のクロスバリデーションを使用して検証される。 平均精度は97.37%で、Dice similarity Coefficient(DSC)は90.33%、Intersection over Union(IoU)は86.93%、Precisionは90.83%である。
  論文  参考訳（メタデータ） (2026-05-31T15:25:37Z)
• A physics-informed foundation model for quantitative diffusion MRI [46.74037857287099]
  物理インフォームド・ジェネレーティブ・マイクロ構造ネットワーク(PIGMENT)は、人間の脳の微細構造に先立って普遍的な生成を学習し、被験者の計測データにゼロショットで適応し、被験者固有のマップを復元する。 PIGMENT は,10倍加速スキャンによる小脳皮質微細構造パターンと幼少期の白質発達軌跡を保存し,強い生物学的妥当性を示した。 これらの結果は、PIGMENTを物理インフォームド基礎モデルとして確立し、定量的拡散MRIを、伝統的に不安定で不均一、あるいは信頼性のある分析に制約された状態に拡張する。
  論文  参考訳（メタデータ） (2026-05-29T07:26:35Z)
• Differentiable latent structure discovery for interpretable forecasting in clinical time series [38.473526928012724]
  連続時間多タスクガウス過程であるStructGPを導入し, 基本的不確かさを保ちながら, 相違構造学習と相違構造学習を組み合わせ, 相互依存の有向非巡回グラフ(DAG)を導出する。 LP-StructGPは,被験者特異的カップリングフィルタとソフトマックスゲーティング機構を用いて,患者間の進行パターンを捉えることで,StructGPを潜在経路に分割し,時間的に変化する軌跡を増大させる。
  論文  参考訳（メタデータ） (2026-04-30T14:59:50Z)
• Implicit Neural Representations of Intramyocardial Motion and Strain [5.982605533590515]
  本研究では, 連続左室変位の予測法について, 推定時間最適化を必要とせずに提案する。 452英国のバイオバンク試験で評価したところ、この手法は最高の追跡精度 (2.14 mm RMSE) と、地球外周率 (2.86%) と放射率 (6.42%) で最小の組み合わせ誤差を達成した。
  論文  参考訳（メタデータ） (2025-09-10T21:05:27Z)
• Denoising VAE as an Explainable Feature Reduction and Diagnostic Pipeline for Autism Based on Resting state fMRI [11.871709357017416]
  静止状態fMRIデータを用いた特徴量削減パイプラインを提案する。 rs-fMRIから機能接続データを抽出するためにクラドック・アトラスとパワー・アトラスを用いた。 変分オートエンコーダを用いることで,提案したパイプラインは接続機能を5つの潜在ガウス分布に圧縮する。
  論文  参考訳（メタデータ） (2024-09-30T09:38:47Z)
• Interpretable cancer cell detection with phonon microscopy using multi-task conditional neural networks for inter-batch calibration [39.759100498329275]
  本稿では,バッチ間キャリブレーションを同時に実現する条件付きニューラルネットワークフレームワークを提案する。 異なる実験バッチをトレーニングし、検証することで、我々のアプローチを検証する。 このモデルを拡張して, 診断信号の再構成を行い, 疾患状態を示す有能な特徴の物理的解釈を可能にした。
  論文  参考訳（メタデータ） (2024-03-26T12:20:10Z)
• Structure-Aware Long Short-Term Memory Network for 3D Cephalometric Landmark Detection [37.031819721889676]
  本研究では,3次元ランドマーク検出のための構造対応長短期記憶フレームワーク(SA-LSTM)を提案する。 SA-LSTMは、まず、ダウンサンプリングCBCTボリューム上の熱マップ回帰によって粗いランドマークを見つける。 その後、高解像度の収穫パッチを使用して、注意深いオフセット回帰によってランドマークを徐々に洗練する。 実験の結果,提案手法は効率と精度で最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2021-07-21T06:35:52Z)

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。