論文の概要: An In-Silico Audit of Topographic Organization in a Multimodal Brain-Response Model
- arxiv url: http://arxiv.org/abs/2611.18105v1
- Date: Fri, 13 Nov 2026 12:32:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-16 18:43:16.344122
- Title: An In-Silico Audit of Topographic Organization in a Multimodal Brain-Response Model
- Title(参考訳): マルチモーダル脳応答モデルにおけるトポロジカル・オーガナイゼーションのシリコン内監査
- Abstract要約: TRIBE v2は、ビデオ、オーディオ、テキストから皮質表面のfMRI応答を予測する。
本稿では、標準的なfMRIマッピング解析から適応した適合パイプラインであるマッピング刺激と、既知の基底真理を持つスタンドインモデルを提案する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: TRIBE v2 (d'Ascoli et al., 2026) predicts fMRI responses across the cortical surface from video, audio and text. Its authors validated it with category-selective localizers (faces, places, bodies, words) and language contrasts, but not with the classic topographic organization of sensory cortex: retinotopy, tonotopy, and motion selectivity in area MT+. There is a clear architectural reason to expect retinotopy to fail: TRIBE's video features are averaged over space before the response head, which should discard visual-field position. I present mapping stimuli, a fitting pipeline adapted from standard fMRI mapping analyses, and a stand-in model with known ground truth that serves as a positive and negative control, and apply them to TRIBE v2's predictions, comparing the fitted maps with human atlases using spin tests. TRIBE v2 shows a sharp split. There is no contralateral hemifield response and no polar-angle map, robustly across stimulus controls. There is no tonotopic gradient in primary auditory cortex: best frequencies span an interquartile range of only 0.14 octaves across core and belt, and the null persists with loudness-equalized tones. An eccentricity-like gradient appears only when the ring geometry changes, consistent with global image statistics rather than a positional code. In contrast, motion selectivity is strong and precisely localized: 22% of the 1% most motion-selective vertices fall in MT+, which covers 0.42% of cortex. In-silico experiments that depend on feature identity appear viable with TRIBE v2, while those that depend on visual-field or frequency position are not supported by the current model.
- Abstract(参考訳): TRIBE v2 (d'Ascoli et al , 2026) は、ビデオ、オーディオ、テキストから皮質表面のfMRI応答を予測する。
著者らは、カテゴリー選択型ローカライザ(顔、場所、体、言葉)と言語コントラストでこれを検証したが、感覚皮質の古典的な地形構造であるレチノトピー(retinotopy)、トノトピー(tonotopy)、および領域MT+における運動選択性( Motion selectivity)は示さなかった。
TRIBEのビデオ機能は、応答ヘッドの前の空間で平均化され、視野の位置は捨てられる。
本稿では、標準的なfMRIマッピング解析から適応した適合パイプラインであるマッピング刺激と、正負の制御として機能する既知の真実を持つスタンドインモデルを示し、それらをTRIBE v2の予測に適用し、スピンテストを用いたヒトのアトラスと比較する。
TRIBE v2はシャープなスプリットを示している。
対向半球応答も極角写像も無く、刺激制御に頑健である。
一次聴覚野にトノトピー勾配は存在しない: 最良の周波数は、コアとベルトにまたがるわずか0.14オクターブの範囲で、ヌルは音高等調で持続する。
偏心性のような勾配は、環の幾何学が変化したときにのみ現れるが、位置コードではなく、大域的な画像統計と一致する。
対照的に、運動選択性は強く、正確に局在している:1%の運動選択的頂点の22%は、皮質の0.42%を占めるMT+に該当する。
TRIBE v2では特徴の同一性に依存するインサイリコ実験が可能であるが、視野や周波数に依存する実験は現在のモデルではサポートされない。
関連論文リスト
- Gated Graph Neural Networks for Learning Hidden Independent Cascade Dynamics [50.02140519922548]
情報や伝染病はソーシャルネットワークを通じて広まっていますが、ノードごとのアクティベーション時間なしでは予測が難しいのです。
本研究では,Hydden Independent Cascade(HIC)モデルの下で,この逆問題について検討する。
本研究では,個々の潜伏カスケードを再構成することなく,ノードレベルのパラメータベクトルを復元するシミュレーションベースの補正推定器を提案する。
論文 参考訳(メタデータ) (2026-10-02T20:36:22Z) - Read-Best Is Not Steer-Best: A Probing--Steering Layer Dissociation in Omni-Modal Large Language Models [75.34700827901757]
一般的にテストされるが、最も高い確率の層がステアリングに最適な層である、という仮定は稀である。
独立に開発された3つのOmni-modalモデルにまたがって、この仮定を初めて因果検定する。
感情を制御されたテストベッドとして使用し、テキスト、音声、画像入力の階層的可読性と操縦性を測定する。
論文 参考訳(メタデータ) (2026-08-24T11:38:22Z) - When Is a Steerable Concept Representation Real? Measurement Confounds in a Cross-Family Audit of Neuroscience Parallels in LLMs [8.657685524975246]
大型言語モデル(LLM)は、人間のような神経と認知のサインを示すことがますます報告されている。
本研究は,概念方向の因果性について検討する。
生の活性化単位と固定層と係数により, モデルスケールで操舵性は増大した。
残留ノルム比較可能な介入とホールドアウト操作点選択により、概念ステアリングはあらゆる規模において重要なままである。
論文 参考訳(メタデータ) (2026-08-08T14:37:53Z) - ProgFormer: Hierarchical Voxel Diffusion Transformer for Longitudinal Brain MRI Prediction [81.07048249760953]
縦方向の変化は、しばしば微妙で、特定の解剖学的領域に限られる。
ほとんどの被験者固有の脳構造は、時間とともに安定している。
ProgFormerは、縦型脳MRI予測のための階層型ボクセル空間拡散変換器である。
論文 参考訳(メタデータ) (2026-07-30T00:13:42Z) - Anatomically Faithful but Temporally Diffuse: Auditing Attribution for Left-Ventricular Ejection-Fraction Estimation from Echocardiography [4.110454468583892]
ポストホックの属性は、ディープビデオモデルが正しい場所を見ていることを証明するためにますます使われています。
我々は,空間的接地,摂動,時間的依存という3つの軸に沿った帰属的忠実さを監査する。
どちらのモデルも強く解剖学的に忠実である(3.04xと3.76倍の確率)が、時間内では弱い局所化しかできない。
論文 参考訳(メタデータ) (2026-07-15T11:54:09Z) - CSV-ViT: A Vision Transformer with the Variable-sized Cortical Supervertices for Detection of Alzheimer's Disease Pathologies [0.8736715764535464]
脳皮質表面の深層学習は、データの球面トポロジーのために大きな課題に直面している。
最近の表面モデルでは、皮質表面データから学習が可能になっている。
本稿では、ROI保存型可変サイズのパッチ分割を行う皮質表面トークン化を提案する。
我々は,パディングとマスク対応パッチ埋め込みを用いた可変サイズパッチ耐性ビジョントランスであるCSVビジョントランス (CSV-ViT) を設計する。
論文 参考訳(メタデータ) (2026-05-26T03:57:33Z) - Feature Visualization Recovers Known Cortical Selectivity from TRIBE v2 [0.19336815376402716]
脳エンコーダモデルは、事前訓練された視覚と言語ネットワークの内部活性化から皮質fMRI応答を予測する。
本稿では,補完的解釈可能性手法として特徴可視化を提案する。
プローブは単純で微分可能で、任意の脳エンコーダに異なるバックボーンを持つ。
論文 参考訳(メタデータ) (2026-05-13T00:55:45Z) - VCE: A zero-cost hallucination mitigation method of LVLMs via visual contrastive editing [70.82867621856968]
大きな視覚言語モデル(LVLM)は、しばしば物体幻覚(OH)に悩まされる
近年の研究では、幻覚の問題は言語の先行に起因している可能性が示唆されている。
本稿では視覚コントラスト編集(VCE)を提案する。
論文 参考訳(メタデータ) (2026-04-21T12:40:07Z) - PhysNeXt: Next-Generation Dual-Branch Structured Attention Fusion Network for Remote Photoplethysmography Measurement [50.524262997433546]
ハーモグラフィーは、心臓の脈動によって引き起こされる顔の皮膚の色変化を分析し、心拍数やその他の重要な兆候を測定することができる。
現在の手法は主に生のビデオからエンド・ツー・エンドのモデリング、または微妙な心拍マップ(ST)表現に基づいている。
本稿では,ビデオフレームとST表現を併用したデュアルインプットディープラーニングフレームワークであるPhysMapXtを提案する。
論文 参考訳(メタデータ) (2026-03-20T08:37:02Z) - Thoracic Cartilage Ultrasound-CT Registration using Dense Skeleton Graph [49.11220791279602]
一般的なアトラスから個々の患者への計画された経路を正確にマッピングすることは困難である。
アトラスから現在の設定へ計画されたパスを転送できるように、グラフベースの非厳密な登録を提案する。
論文 参考訳(メタデータ) (2023-07-07T18:57:21Z)
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。