Fugu-MT 論文翻訳(概要): Information Bottleneck-Guided Adaptive Hypergraph Transformer for Brain Disease Diagnosis

論文の概要: Information Bottleneck-Guided Adaptive Hypergraph Transformer for Brain Disease Diagnosis

arxiv url: http://arxiv.org/abs/2609.37220v1
Date: Tue, 29 Sep 2026 10:37:54 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-30 21:28:47.423246
Title: Information Bottleneck-Guided Adaptive Hypergraph Transformer for Brain Disease Diagnosis
Title（参考訳）: Information Bottleneck-Guided Adaptive Hypergraph Transformerによる脳疾患診断
Abstract要約: 脳ネットワークにおける高次相関と長距離依存は、神経科学の研究や臨床診断において重要な意味を持つ。これまでの研究では、脳ネットワークにおける高次および長距離の依存性情報の統一的な統合が欠如していた。 Information Bottleneck-Guided Adaptive HyperGraph Transformer (IBAHGT)を提案する。このアプローチは、高階相関と、統合されたフレームワーク内での短距離および長距離の依存関係の両方を適応的に学習することを可能にする。
参考スコア（独自算出の注目度）: 30.05257017346108
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Exploring high-order correlations and long-range dependencies in brain networks holds significant value for both neuroscience research and clinical diagnosis. However, previous studies have lacked a unified integration of high-order and long-range dependency information in brain networks, and there is substantial redundancy behind various types of information. These issues limit their effectiveness in the diagnosis of brain diseases. To address this, we propose an Information Bottleneck-Guided Adaptive HyperGraph Transformer (IBAHGT). By incorporating the information bottleneck (IB) principle, this approach enables adaptive learning of high-order correlations and both short- and long-range dependencies within a unified framework for brain network analysis, achieving high-precision brain disease diagnosis. IBAHGT consists of three key components: an information bottleneck-guided adaptive hypergraph convolution, which introduces a novel hypergraph information bottleneck (HIB) principle to adaptively learn hypergraph message-passing weights between nodes and hyperedges, optimizes information flow and captures high-order information in brain networks that is maximally informative and minimally redundant (MIMR). The Transformer encoder captures global information within brain networks through the attention mechanism, specifically modeling short- and long-range dependencies. An information bottleneck-guided node-level adaptive fusion employs the IB principle to learn independent weights for each node, facilitating the fine-grained integration of high-order information and global information to obtain an efficient representation for downstream tasks. Extensive experiments demonstrate that the proposed method outperforms current state-of-the-art methods and can identify biomarkers for clinical applications.
Abstract（参考訳）: 脳ネットワークにおける高次相関と長距離依存の探索は、神経科学研究と臨床診断の両方に重要な意味を持つ。しかし、以前の研究では、脳ネットワークにおける高次および長距離の依存性情報の統一的な統合が欠如しており、様々な種類の情報の背後にはかなりの冗長性がある。これらの問題は、脳疾患の診断における効果を制限する。そこで我々は,Information Bottleneck-Guided Adaptive HyperGraph Transformer (IBAHGT)を提案する。情報ボトルネック(IB)の原則を取り入れることで、脳ネットワーク解析のための統合フレームワークにおいて、高次相関と短距離依存の両方を適応的に学習し、高精度な脳疾患診断を実現する。 IBAHGTは3つの重要なコンポーネントで構成されている。情報ボトルネック誘導適応ハイパーグラフ畳み込み(英語版)は、ノードとハイパーエッジの間のハイパーグラフメッセージパッシング重みを適応的に学習する新しいハイパーグラフ情報ボトルネック(HIB)の原則を導入し、情報フローを最適化し、最大情報かつ最小冗長(MIMR)である脳ネットワーク内の高次情報をキャプチャする。 Transformerエンコーダは、特に短距離および長距離の依存関係をモデル化するアテンションメカニズムを通じて、脳ネットワーク内のグローバル情報をキャプチャする。情報ボトルネック誘導ノードレベルの適応融合では、各ノードの独立重みを学習し、高次情報とグローバル情報のきめ細かい統合を容易にし、下流タスクの効率的な表現を得る。広範囲な実験により,提案手法は最先端の手法より優れており,臨床応用のためのバイオマーカーを同定できることが示された。

関連論文リスト

Adapting HFMCA to Graph Data: Self-Supervised Learning for Generalizable fMRI Representations [57.054499278843856]
機能的磁気共鳴画像(fMRI)解析は、データセットのサイズが限られ、研究間でのドメインの変動が原因で大きな課題に直面している。コンピュータビジョンにインスパイアされた従来の自己教師付き学習手法は、正と負のサンプルペアに依存することが多い。本稿では,最近開発された階層関数最大相関アルゴリズム(HFMCA)をグラフ構造fMRIデータに適用することを提案する。
論文参考訳（メタデータ） (2025-10-05T12:35:01Z)
MvHo-IB: Multi-View Higher-Order Information Bottleneck for Brain Disorder Diagnosis [22.172213148620166]
MvHo-IBは、ペアワイズインタラクションとHOIの両方を統合した、診断意思決定のための新しい多視点学習フレームワークである。 MvHo-IBは最先端の性能を達成し、従来の手法よりも大幅に優れていた。
論文参考訳（メタデータ） (2025-07-03T17:54:03Z)
Information Bottleneck-Guided Heterogeneous Graph Learning for Interpretable Neurodevelopmental Disorder Diagnosis [6.351889311288302]
I2B-HGNN(Interpretable Information Bottleneck Heterogeneous Graph Neural Network)を提案する。 I2B-HGNNは、インフォメーションボトルネックの原則を適用して、脳のコネクティビティモデリングとクロスモーダル機能統合の両方を導く。 I2B-HGNNはNDDの診断において優れた性能を示し,高い分類精度と解釈可能なバイオマーカーの同定能力を示した。
論文参考訳（メタデータ） (2025-02-28T06:41:55Z)
End-to-end Stroke imaging analysis, using reservoir computing-based effective connectivity, and interpretable Artificial intelligence [42.52549987351643]
本稿では,貯水池計算に基づく有向グラフ解析パイプラインを提案する。このパイプラインの目標は、ストロークデータにおける接続性のための効率的な脳表現を定義することである。この表現は、有向グラフ畳み込みアーキテクチャ内で使われ、説明可能な人工知能(AI)ツールで調査される。
論文参考訳（メタデータ） (2024-07-17T13:34:05Z)
Adaptive Critical Subgraph Mining for Cognitive Impairment Conversion Prediction with T1-MRI-based Brain Network [4.835051121929712]
早期認知症への転換の予測は、その進行を緩和するために重要である。従来のT1強調MRI(T1-MRI)研究は、脳萎縮領域の同定に重点を置いている。 Brain-SubGNNは、T1-MRIに基づく重要なサブグラフをマイニングし、拡張するための新しいグラフ表現ネットワークである。
論文参考訳（メタデータ） (2024-03-20T06:46:01Z)
Predicting Infant Brain Connectivity with Federated Multi-Trajectory GNNs using Scarce Data [54.55126643084341]
既存のディープラーニングソリューションには,3つの大きな制限がある。我々はフェデレートグラフベースの多軌道進化ネットワークであるFedGmTE-Net++を紹介する。フェデレーションの力を利用して、限られたデータセットを持つ多種多様な病院の地域学習を集約する。
論文参考訳（メタデータ） (2024-01-01T10:20:01Z)
UniBrain: Universal Brain MRI Diagnosis with Hierarchical Knowledge-enhanced Pre-training [66.16134293168535]
我々はUniBrainと呼ばれるユニバーサル脳MRI診断のための階層的知識強化事前訓練フレームワークを提案する。具体的には、UniBrainは、定期的な診断から24,770のイメージレポートペアの大規模なデータセットを活用する。
論文参考訳（メタデータ） (2023-09-13T09:22:49Z)
Toward Enhanced Robustness in Unsupervised Graph Representation Learning: A Graph Information Bottleneck Perspective [48.01303380298564]
我々はRobust Graph Information Bottleneck (RGIB) と呼ばれる新しい非バイアス頑健なUGRL手法を提案する。我々のRGIBは、逆数グラフの逆数情報を排除しつつ、良性グラフの原情報を保存し、逆数摂動に対する頑健なノード表現を学習しようと試みている。
論文参考訳（メタデータ） (2022-01-21T06:26:50Z)
Context-Aware Refinement Network Incorporating Structural Connectivity Prior for Brain Midline Delineation [50.868845400939314]
UNetによって生成された特徴ピラミッド表現を洗練・統合するための文脈対応改良ネットワーク(CAR-Net)を提案する。正中線における脳の構造的接続性を維持するため、我々は新しい接続性レギュラーロスを導入する。提案手法は, パラメータを少なくし, 4つの評価指標で3つの最先端手法より優れる。
論文参考訳（メタデータ） (2020-07-10T14:01:20Z)

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。