論文の概要: MovieSTAGE: Scene, Transition, and Global Encoding for Movie-fMRI ADHD Classification
- arxiv url: http://arxiv.org/abs/2610.09306v1
- Date: Wed, 07 Oct 2026 02:04:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 21:58:22.678355
- Title: MovieSTAGE: Scene, Transition, and Global Encoding for Movie-fMRI ADHD Classification
- Title（参考訳）: MovieStage: Movie-fMRI ADHD分類のためのシーン、トランジション、グローバルエンコーディング
- Abstract要約: 筆者らは,シーン内のFC注目の組織,隣接するシーン間の符号の相違,全移動FCを組み合わせたマルチスケールフレームワークであるMovieSTAGE(Scene, transition, and Global FC)を紹介した。
CMI-HBN Despicable Me cohortの参加者260人をケースコントロール,ADHDサブタイプ,および5倍のクロスバリデーションを10回繰り返して評価した。
MovieSTAGEのAUROCは0.69、0.73、0.75、AUROCは67.6%、69.8%、58.3%だった。
- 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: Naturalistic movie-fMRI provides a shared, temporally structured probe of brain dynamics, yet predictive models commonly rely on whole-run functional connectivity (FC) or temporally generic representations that are not aligned with narrative events. We introduce MovieSTAGE (Scene, Transition, and Global Encoding), a multiscale framework that combines hypergraph-structured FC-profile organization within scenes, unsigned FC-profile differences across adjacent scenes, and whole-movie FC. We evaluated 260 participants from the CMI-HBN Despicable Me cohort on case-control, ADHD-subtype, and three-class classification using 10 repetitions of stratified five-fold cross-validation, complete out-of-fold (OOF) predictions, and paired subject-cluster bootstrap and permutation tests. MovieSTAGE achieved AUROCs of 0.69, 0.73, and 0.75 and balanced accuracies of 67.6%, 69.8%, and 58.3%, respectively, yielding the highest mean point estimates among the evaluated methods. On the three-class task, the full model outperformed all two-branch variants, the HGNN scene encoder outperformed MLP, GAT, and BNT alternatives under matched settings, and the human-annotated partition outperformed duration-matched random and fixed-count GSBS controls. These controlled results support incremental predictive value from event-aligned scene and transition representations when combined with whole-movie FC in this cohort. Post-hoc model-derived analyses generated network-level hypotheses involving frontoparietal and default-mode systems.
- Abstract（参考訳）: 自然主義映画fMRIは、脳のダイナミクスを時間的に構造化した共通のプローブを提供するが、予測モデルは一般的に、物語の出来事と整合しない全体的機能的接続(FC)または時間的に一般的な表現に依存している。
シーン内でのハイパグラフ構造を持つFC注目の組織,隣接するシーン間での符号のないFC注目の相違,全移動型FCとを組み合わせたマルチスケールフレームワークであるMovieSTAGE(Scene, transition, and Global Encoding)を紹介する。
CMI-HBN Despicable Me cohort on case-control, ADHD-subtype, and three-class classification using 10petitions of Stratified five-fold cross-validation, complete out-of-fold (OOF) predictions and paired subject-cluster bootstrap and permutation tests。
MovieSTAGEはAUROCs 0.69, 0.73, 0.75, and balanced accuracies 67.6%, 69.8%, 58.3%を達成した。
3クラスタスクでは、フルモデルが2ブランチの亜種、HGNNシーンエンコーダがMLP、GAT、BNTの代替品がマッチした設定で、人間によって注釈付けされたパーティションが無作為にマッチした無作為なGSBSコントロールを上回りました。
これらの制御結果は、このコホートにおける全移動FCと組み合わせることで、イベント整列シーンからの漸進的な予測値と遷移表現をサポートする。
ポストホックモデルに基づく解析は、前頭前頭葉系とデフォルトモード系を含むネットワークレベルの仮説を生成する。
関連論文リスト
- Towards Robust Time Series Learning via Capacity-Centric Modulation [76.23489485385964]
本稿では,CCM(Capacity-Centric Modulation)を相補的,サンプル適応正規化原理として提案する。
SACM(Sample-Adaptive Capacity Modulation)は,スペクトル空間の分散を利用して,サンプルワイドドロップアウト確率を割り当てるタスク非依存のフレームワークである。
301個の実世界のデータセット-バックボーンペアのうち、SACMは平均でMSEの予測を6.7%削減し、分類精度を3.04%改善し、ポイント調整されたF1を17.05%改善した。
論文 参考訳（メタデータ） (2026-09-30T10:51:23Z) - 3D Digital Twin Visualization of Multiclass GRF-Based Gait Disorder Classification [3.4540258577108776]
健常者および多発性筋骨格障害群を分類するための統合的枠組みを提案する。
信号はスタンスフェーズで正規化され、トレーニングセット統計を用いて標準化された。
このモデルは99.00%の検証精度と90.07%の試験精度をセッションレベルのスプリットで達成した。
論文 参考訳（メタデータ） (2026-09-11T05:04:08Z) - Frequency-Decorrelated Temporal Ensembles for EEG--fNIRS Imagined-Handwriting Decoding [5.096813697804564]
Multimodal Brain-Computer Interface Grand Challenge(英語版)は、4種類の主観非依存手書き-軌道分類のための同期脳波とfNIRSを提供する。
我々は,3つの相補的な脳波の周波数ビューに基づいて,コンパクトなマルチスケール時間ネットワークを訓練するタスク適応型システムFREDを提案する。
モダリティ監査では、fNIRSのみの復号が偶然(全体の0.2511)、fNIRSをEEGに追加すると精度が0.0025に変化している。
論文 参考訳（メタデータ） (2026-08-04T06:08:11Z) - Multimodal Evaluator Preference Collapse: Cross-Modal Contagion in Self-Evolving Agents [1.0152838128195467]
EPC(Evaluator Preference Collapse)はマルチモーダル環境で劇的に増幅されていることを示す。
次に、クロスモーダル感染と呼ばれる新しい現象を示す。
我々は、モデル間評価器アーキテクチャを優先ドリフトの主なリスク要因とみなす。
論文 参考訳（メタデータ） (2026-06-15T13:18:20Z) - Unsupervised clustering and classification of upper limb EMG signals during functional movements: a data-driven [0.0]
本研究では,上肢表面筋電図(SEMG)信号の群集化と分類について,機能的リーチと把持動作における包括的アプローチを提案する。
信号前処理、フェースチャ抽出、階層クラスタリングによるジェスチャー選択、比較モデル評価を含む4段階のパイプラインが設計された。
この結果は筋電義歯の適応的低レイテンシ制御戦略の実装を支援し、将来のリアルタイムアプリケーションのためのスケーラブルなパイプラインを提供する。
論文 参考訳（メタデータ） (2026-05-20T01:23:21Z) - Posterior Augmented Flow Matching [64.1559809786948]
後拡張フローマッチング(PAFM)はフローマッチング(FM)の一般化である
PAFMは、異なるモデルスケールで最大3.4FID50KでFMよりも改善されていることを示す。
論文 参考訳（メタデータ） (2026-05-01T17:59:59Z) - From Frames to Events: Rethinking Evaluation in Human-Centric Video Anomaly Detection [9.404376027901277]
ポースベースのビデオ異常検出(VAD)は、プライバシー保護の性質と環境変動に対する堅牢性において大きな注目を集めている。
従来のフレームレベルの評価では、ビデオは孤立したフレームの集合として扱われ、現実の世界で異常がどのように現れ、行動するかを根本的に誤解している。
本稿では,階層的なガウススムースメントと適応二項化を備えたスコアリファインメントパイプラインと,イベントレベルの検出を直接生成するエンドツーエンドのデュアルブランチモデルという,時間的イベントローカライゼーションのための2つの戦略を紹介する。
論文 参考訳（メタデータ） (2026-04-10T13:52:18Z) - PRIME: Prototype-Driven Multimodal Pretraining for Cancer Prognosis with Missing Modalities [86.63247982275396]
PRIMEは、欠落を認識したマルチモーダルな自己教師型事前トレーニングフレームワークである。
部分的に観察されたコホートから頑健で伝達可能な表現を学ぶ。
The Cancer Genome AtlasのPRIMEを32種類の癌に対してラベルフリープレトレーニングで評価した。
論文 参考訳（メタデータ） (2026-04-05T21:14:27Z) - Event-Anchored Frame Selection for Effective Long-Video Understanding [67.56884568828508]
Event-Anchored Frame Selection (EFS)は階層的なイベント認識パイプラインである。
トレーニング不要のプラグイン・アンド・プレイモジュールとして、EFSは既製のLVLMにシームレスに統合できる。
論文 参考訳（メタデータ） (2026-03-01T08:25:37Z) - Balanced Classification: A Unified Framework for Long-Tailed Object
Detection [74.94216414011326]
従来の検出器は、分類バイアスによる長期データを扱う際の性能劣化に悩まされる。
本稿では,カテゴリ分布の格差に起因する不平等の適応的是正を可能にする,BAlanced CLassification (BACL) と呼ばれる統一フレームワークを提案する。
BACLは、さまざまなバックボーンとアーキテクチャを持つさまざまなデータセット間で、一貫してパフォーマンス改善を実現している。
論文 参考訳（メタデータ） (2023-08-04T09:11:07Z) - Flow-Guided Sparse Transformer for Video Deblurring [124.11022871999423]
FlowGuided Sparse Transformer (F GST) はビデオデブリのためのフレームワークである。
FGSW-MSAは、推定光流のガイダンスを楽しみ、隣り合うフレームの同じシーンパッチに対応する、空間的にスパースな要素を世界中にサンプリングする。
提案するFGSTは,DVDおよびGOPROデータセットの最先端パッチよりも優れており,実際のビデオの劣化に対して,より視覚的に満足な結果が得られる。
論文 参考訳（メタデータ） (2022-01-06T02:05:32Z)
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。