論文の概要: DevelopmentODE: Structured Neural ODEs for Early Brain Development Dynamics Across a Decade

• arxiv url: http://arxiv.org/abs/2609.33048v1
• Date: Sun, 27 Sep 2026 00:24:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 10:59:24.999094
• Title: DevelopmentODE: Structured Neural ODEs for Early Brain Development Dynamics Across a Decade
• Title（参考訳）: DevelopmentODE:10年にわたる脳初期発達のダイナミクスのための構造化ニューラル・オード
• Abstract要約: 長期の神経発達予測は、通常、子どもは数回の不規則な間隔でのみ観察されるため、困難である。 本稿では,共有発達幾何学における集団的・主観的変異を整理する構造的連続時間フレームワークであるDevelopmentODEを提案する。 DevelopmentODEは、ショート・ホライズン予測とロング・ホライズン予測で競合するベースラインを一貫して上回る。
• 参考スコア（独自算出の注目度）: 32.37103445723298
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Understanding how individual brain development unfolds over childhood requires modeling developmental trajectories from sparse longitudinal observations. Long-term neurodevelopmental forecasting is challenging because each child is typically observed at only a few irregularly spaced visits, while developmental dynamics vary across individuals and age. Generic continuous-time models accommodate irregular timing but often absorb these factors into a single flexible transition function, providing little structure for how population progression, individual variability, and developmental age shape the dynamics. We propose DevelopmentODE, a structured continuous-time framework that organizes population- and subject-specific variation within a shared developmental geometry while allowing the governing dynamics to evolve with age. The model builds this geometry around a developmental canal representing the population trajectory, whose local direction provides a reference for organizing subject-specific variation. Subject deviation velocities are constrained relative to this direction, while a shared nonlinear deviation field captures individual developmental motion without disrupting population-level progression. DevelopmentODE further models developmental non-stationarity through ordered age-dependent deformations of the shared vector field, progressively adapting a common dynamical structure as age changes, while elapsed time determines the integration horizon. This formulation uses population-level developmental structure to guide learning from sparse individual trajectories while allowing dynamics to evolve smoothly with age. We evaluate DevelopmentODE on longitudinal fMRI by predicting future functional connectivity of the same child from earlier observations. DevelopmentODE consistently outperforms competing baselines across short- and long-horizon predictions.
• Abstract（参考訳）: 個々の脳の発達が幼少期を超えてどのように広がるかを理解するには、わずかに縦断的な観察から発達軌跡をモデル化する必要がある。 長期の神経発達予測は、発達力学は個人や年齢によって異なるが、通常、子どもはわずか数回の不規則な間隔でしか観察されないため、困難である。 一般的な連続時間モデルは不規則なタイミングに適応するが、しばしばこれらの因子を単一の柔軟な遷移関数に吸収し、人口の進行、個体の変動性、発達年齢の動態の仕組みをほとんど示さない。 本稿では,階層的・主観的変動を共通的な発達形態内に整理し,支配ダイナミクスを年齢とともに進化させる構造的連続時間フレームワークであるDevelopmentODEを提案する。 このモデルは、人口軌道を表す発達運河の周囲にこの幾何学を構築し、その局所的な方向は、主題固有の変動を整理するための基準を提供する。 対象偏差速度は、この方向に対して制限される一方、共有非線形偏差場は、個体群レベルの進行を阻害することなく、個々の発達運動をキャプチャする。 DevelopmentODEはさらに、共有ベクトル場の順序的年齢依存性の変形を通じて発達的非定常性をモデル化し、年齢変化に伴って共通の動的構造を段階的に適応させ、経過時間で積分地平線を決定する。 この定式化は、人口レベルの発達構造を用いて、緩やかな個々の軌跡から学習を導くと同時に、ダイナミクスが年齢とともにスムーズに進化することを可能にする。 本研究では, 児の今後の機能的接続を予測し, 縦断的 fMRI を用いた発達過程の評価を行った。 DevelopmentODEは、ショート・ホライズン予測とロング・ホライズン予測で競合するベースラインを一貫して上回る。

関連論文リスト

• Conditional Neural ODE for Longitudinal Parkinson's Disease Progression Forecasting [51.906871559732245]
  パーキンソン病(PD)は異質で進化する脳形態計測パターンを示す。 これらの縦方向の軌跡をモデル化することで、機械的な洞察、治療の発展、そして個別化された「デジタルツイン」予測が可能になる。 連続的な個人化されたPD進行予測のための新しいフレームワークであるCNODEを提案する。
  論文  参考訳（メタデータ） (2025-11-06T20:16:33Z)
• NEUBORN: The Neurodevelopmental Evolution framework Using BiOmechanical RemodelliNg [1.62955730276521]
  本稿では, バイオメカニカル制約, 縦方向, 微分像の登録から, 個々の成長軌跡を学習するための新しい枠組みを提案する。 この方法により、ワープの生物学的妥当性が向上し、人口レベルの傾向をより良く追従する成長軌道が生成される。 この枠組みは、脳成熟の予測モデルと皮質発達の奇形を早期に同定する新たな可能性を開く。
  論文  参考訳（メタデータ） (2025-08-13T12:36:23Z)
• A Stage-Aware Mixture of Experts Framework for Neurodegenerative Disease Progression Modelling [6.577465893404979]
  神経変性疾患の長期進行はグラフ拡散過程として一般的に概念化されている。 そこで本研究では,異なるコントリビューション機構が病期においてどのように支配されているかを明確にモデル化する,新たな段階認識型混合エキスパートフレームワークを提案する。 IGND-MoEモデルは、これらの成分を時間的状態にわたって動的に統合し、ステージ特異的な病理機構が進行にどのように寄与するかを理解するための原則化された方法を提供する。
  論文  参考訳（メタデータ） (2025-08-09T16:09:00Z)
• Langevin Flows for Modeling Neural Latent Dynamics [81.81271685018284]
  逐次変分自動エンコーダであるLangevinFlowを導入し、潜伏変数の時間的進化をアンダーダム化したLangevin方程式で制御する。 われわれのアプローチは、慣性、減衰、学習されたポテンシャル関数、力などの物理的事前を組み込んで、ニューラルネットワークにおける自律的および非自律的プロセスの両方を表現する。 本手法は,ロレンツ誘引器によって生成される合成神経集団に対する最先端のベースラインより優れる。
  論文  参考訳（メタデータ） (2025-07-15T17:57:48Z)
• Persistent-Transient Duality: A Multi-mechanism Approach for Modeling Human-Object Interaction [58.67761673662716]
  人間は高度に適応可能で、異なるタスク、状況、状況を扱うために異なるモードを素早く切り替える。 人間と物体の相互作用(HOI)において、これらのモードは、(1)活動全体に対する大規模な一貫した計画、(2)タイムラインに沿って開始・終了する小規模の子どもの対話的行動の2つのメカニズムに起因していると考えられる。 本研究は、人間の動作を協調的に制御する2つの同時メカニズムをモデル化することを提案する。
  論文  参考訳（メタデータ） (2023-07-24T12:21:33Z)
• Latent Traversals in Generative Models as Potential Flows [113.4232528843775]
  我々は,学習された動的ポテンシャルランドスケープを持つ潜在構造をモデル化することを提案する。 物理、最適輸送、神経科学にインスパイアされたこれらの潜在的景観は、物理的に現実的な偏微分方程式として学習される。 本手法は,最先端のベースラインよりも定性的かつ定量的に歪んだ軌跡を実現する。
  論文  参考訳（メタデータ） (2023-04-25T15:53:45Z)
• Continual Developmental Neurosimulation Using Embodied Computational Agents [0.0]
  神経系の形態形成, 発達学習, 可塑性の関連現象のブリッジングにおける発達軌跡の役割を考察することができる。 我々のアプローチは発達的実施と密に統合されており、発達的ブレイテンベルク車両(dBV)と呼ばれる種類のエージェントを用いて実装することができる。 dBVは、体、センサー、エフェクター、神経システムなど、エージェントベースのシステムへと変貌する、未定義の構造の集合として、自らの生活を始める。
  論文  参考訳（メタデータ） (2021-03-07T07:22:49Z)

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。