論文の概要: CoHyFuse: Condition-wise Hypergraph Fusion with Global Connectome in Task-fMRI
- arxiv url: http://arxiv.org/abs/2610.05913v1
- Date: Mon, 05 Oct 2026 07:27:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-10 03:15:15.119513
- Title: CoHyFuse: Condition-wise Hypergraph Fusion with Global Connectome in Task-fMRI
- Title（参考訳）: CoHyFuse:Task-fMRIにおけるGlobal Connectomeを用いた条件ワイドハイパーグラフ融合
- Abstract要約: CoHyFuseは条件対応ROI中心のハイパーグラフフレームワークで、タスク状態固有のインシデントマトリックスを構築する。
CoHyFuseは評価ベースラインの中で最高の平均アウトオブフォールド予測性能を達成した。
- 参考スコア（独自算出の注目度）: 1.8478971411447331
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Task-fMRI connectomes reveal state-dependent neural reconfigurations, yet conventional methods marginalize these signals by aggregating distinct conditions into static pairwise graphs, thereby obscuring condition-specific multi-ROI organization. We introduce CoHyFuse, a condition-aware ROI-centered hypergraph framework that constructs a task-state-specific incidence matrix from condition-wise functional connectivity (FC)-profile embeddings, allowing the same ROI to form different multi-ROI hyperedges across task phases. Condition-specific neighborhood sizes $K_q$ further adapt the hyperedge scale to each task state, and the resulting condition embeddings are fused with a complementary whole-session FC branch for prediction. In the AABC cohort (N=1,074), CoHyFuse achieved the best mean out-of-fold predictive performance among evaluated baselines on FACENAME Fluid Cognition Composite (FCC) prediction (7.83$\pm$0.10 MAE, 0.439$\pm$0.026 \(R^2\)) and VISMOTOR age prediction (7.52$\pm$0.37 MAE, 0.592$\pm$0.022 \(R^2\)). In an auxiliary CMI-HBN attention-deficit/hyperactivity disorder (ADHD) classification benchmark (N=223), CoHyFuse obtained 72.0$\pm$2.1\% macro-AUC and 74.2$\pm$2.9\% accuracy. Ablation studies support the contributions of condition-wise incidence construction and dual-view fusion, suggesting that state-resolved ROI-set structure provides complementary predictive information beyond whole-session FC alone. Occlusion analysis identifies the Distraction condition as the primary driver of model prediction, pointing toward the Salience/Ventral Attention Network (SAN)--FrontoParietal Network (FPN) and within-SAN hyperedge-defined ROI-set motifs as candidate model-relevant patterns. This framework provides an interpretable, state-resolved view of the connectome for downstream cohort analysis.
- Abstract（参考訳）: Task-fMRI コネクトームは状態依存型ニューラル再構成を示すが、従来の方法では、異なる条件を静的なペアワイズグラフに集約することで、状態依存型マルチROI組織を排除している。
条件対応ROI中心のハイパーグラフフレームワークであるCoHyFuseを導入し、条件対応機能接続(FC)に代表される埋め込みからタスク状態固有のインシデントマトリックスを構築することにより、同じROIがタスクフェーズ間で異なるマルチROIハイパーエッジを形成することができる。
条件固有近傍サイズ$K_q$は、各タスク状態にハイパーエッジスケールを更に適応させ、その結果の条件埋め込みを補完的な全セッションFCブランチで融合して予測する。
AABCコホート (N=1,074) において、CoHyFuse は FACENAME Fluid Cognition Composite (FCC) 予測 (7.83$\pm$0.10 MAE, 0.439$\pm$0.026 \(R^2\)) と VISMOTOR 年齢予測 (7.52$\pm$0.37 MAE, 0.592$\pm$0.022 \(R^2\)) に基づく評価ベースラインの中で、最高の平均アウトオブフォール予測性能を達成した。
補助的な CMI-HBN attention-deficit/hyperactive disorder (ADHD) 分類ベンチマーク (N=223) において、CoHyFuse は 72.0$\pm$2.1\% macro-AUC と 74.2$\pm$2.9\% の精度を得た。
アブレーション研究は条件ワイドインシデント構築と二重ビュー融合の寄与を支持しており、状態解決されたROIセット構造は全セッションFC以外の補完的な予測情報を提供することを示唆している。
Occlusion analysis is identified the Distraction condition as the primary driver of model prediction, pointed to the Salience/Ventral Attention Network (SAN)-FrontoParietal Network (FPN) and within-SAN hyperedge-defined ROI-set motifs as candidate model-relevant pattern。
このフレームワークは、下流コホート分析のためのコネクトームの解釈可能な状態解決ビューを提供する。
関連論文リスト
- Beyond Feasibility: Finite-Depth Accessibility in Constrained QAOA [0.043496401697112684]
実際に実行される回路のレベルにおいて,制約付きQAOAについて検討した。
理想QAOA回路の計算基底サポートは、その中に含まれていることを示す。
論文 参考訳（メタデータ） (2026-09-30T21:29:34Z) - RACE: Residual-Aware Test-Time Adaptation for Neighbor-Rich Time-Series Foundation Model Forecasting [77.45682913395635]
時系列基礎モデル (TSFM) は, 予測タスク全体にわたって強く機能するが, 系列ごとの推測は近隣のリッチな予測に不適である。
RACE(Residual-Aware Correction of Forecasting Errors, Residual-Aware Correction of Forecasting Errors)は、2段階のフレームワークである。
論文 参考訳（メタデータ） (2026-09-30T13:14:38Z) - Dementia Etiology Diagnosis via Collaborative Meta Knowledge Enhancement [81.27196033392559]
認知症発症診断のための協調的メタ知識向上(COME)フレームワークを提案する。
COMEは、マルチセンタ取得セマンティクス、ソース識別子、モダリティインジケータを異種性を認識した埋め込みとして、スケールアップトレーニングのためにTransformerアーキテクチャに注入する。
本手法は,平均マクロ平均AUCが85.62%,最強ベースラインが4.29ポイント向上し,最先端のドメイン性能を実現する。
論文 参考訳（メタデータ） (2026-07-24T04:26:47Z) - Beyond the Aggregation Dilemma: Prior-Retaining Decoupled Learning for Multimodal Graphs [69.56407708794845]
MultimodalAttributed Graph Learning (MAGL)はグラフアグリゲーションを通じてノード属性と構造トポロジーを統合する。
事前訓練されたエンコーダがLarge Foundation Models (LFM) へと進化するにつれて、MAGLのランドスケープは根本的に変化していく。
高信頼のLFM先行の下では、強制集約は、識別シグナルを圧倒するトポロジカル固有のノイズを導入する。
本稿では、分離されたデュアルパスパラダイムであるSUPRA(Shared-Unique Prior-Retaining Architecture)を提案する。
SUPRAは、トポロジ・アグノシクスによるモーダリティ特異的な特徴を処理し、軽量共有GNNを介して構造相乗効果を捉え、補助的な深層監視対策の勾配飢餓を発生させる。
論文 参考訳（メタデータ） (2026-05-23T17:42:25Z) - Rethinking Molecular OOD Generalization via Target-Aware Source Selection [10.102858221967791]
SCOPE-BENCHは、明示的な物理化学的記述空間におけるクラスタレベルのパーティショニングに基づいて構築されたベンチマークである。
POMAは、知識伝達を検索-合成-適応パイプラインとして定式化するフレームワークである。
SCOPE-BENCHにおける最先端の3D分子モデルの予測誤差は平均5.9倍である。
論文 参考訳（メタデータ） (2026-05-13T16:09:46Z) - A Task-Agnostic Algebraic Integrity Metric for Event-Camera Streams Toward SOTIF-Compliant Perception using Pearson Correlation Coefficient [0.0]
イベントカメラは、自動運転システムにおける安全クリティカルな認識のための低遅延センシングを提供する。
現在、タスクに依存しない品質基準は非同期イベントストリーム上で直接動作しません。
本研究は、ピアソン相関係数(PCC)を3つの標準イベント表現に引き上げる統一的なフレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-08T12:54:23Z) - Quantifying Cross-Modal Interactions in Multimodal Glioma Survival Prediction via InterSHAP: Evidence for Additive Signal Integration [0.0]
がん予後のためのマルチモーダルディープラーニングは、相乗的相互モーダル相互作用の恩恵を受けると一般的に考えられている。
この研究は、シャプリー相互作用指標に基づく指標であるInterSHAPを適用し、グリオーマ生存予測における相互モーダル相互作用を定量化する。
論文 参考訳（メタデータ） (2026-03-31T16:39:56Z) - Adaptive Conditional Forest Sampling for Spectral Risk Optimisation under Decision-Dependent Uncertainty [1.14219428942199]
期待されるコストと条件付き価値の凸組み合わせとして定義されたスペクトルリスク目標の最小化は困難である。
本研究では,4相シミュレーション最適化フレームワークである適応条件森林サンプリング(ACFS)を提案する。
ACFSは、一般的なランダムフォレストを統合して、意思決定条件の分布近似、CEMによるグローバルな探索、ランク重みの集中強化、サロゲートとオーラルの2段階の再評価を行う。
論文 参考訳（メタデータ） (2026-03-12T22:53:24Z) - Almost Asymptotically Optimal Active Clustering Through Pairwise Observations [59.20614082241528]
そこで本研究では, ノイズと能動的に収集された応答を用いて, M$アイテムを未知数の$K$個別グループにクラスタリングするための新しい分析フレームワークを提案する。
クラスタリングの精度に対する望ましい信頼性を達成するのに必要なクエリ数の基本的下位境界を確立する。
我々は、一般化された同値比統計の計算可能な変種を開発し、その下限に対する性能ギャップを正確に推定できることを実証的に示す。
論文 参考訳（メタデータ） (2026-02-05T14:16:47Z) - From Global to Granular: Revealing IQA Model Performance via Correlation Surface [83.65597122328133]
我々は, IQA 性能の構造化, きめ細かな解析を行う textbfGranularity-Modulated correlation (GMC) を提案する。
GMCにはtextbfDistribution Regulatorが含まれており、相関関係を規則化し、非均一な品質分布からのバイアスを軽減する。
標準ベンチマークの実験では、GCCはスカラーメトリクスに見えないパフォーマンス特性を示し、IQAモデルを分析、比較、デプロイするためのより情報に富んだ信頼性の高いパラダイムを提供する。
論文 参考訳（メタデータ） (2026-01-29T13:55:26Z) - 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。