Spatial-Temporal Convolutional Attention for Mapping Functional Brain Networks

要約

機能的磁気共鳴画像法（fMRI）と深層学習を用いた脳機能ネットワーク（FBN）の探索は、多くの研究者を魅了しています。しかし、これらの研究のほとんどは、ソースとボクセル信号の時間的相関に基づくものであり、脳機能のダイナミクスに関する研究がまだ不足しています。また，FBNはボリュームに広く存在する局所的な相関を利用して，空間領域において空間ワイズアテンション（SA）を用いて自己教師付きで直接生成することができ，得られたFBNは古典的手法と比較してテンプレートとの高い空間類似性を持っている．そこで、我々はスライディングウィンドウを用いて動的FBNを発見するための新しい空間-時間畳み込みアテンション（STCA）モデルを提案した。提案手法の性能を検証するため、HCP-restデータセットで評価した。その結果、STCAを用いることで、人間の脳をより理解するための新しいアプローチを提供する動的なFBNを発見できることが示された。

要約(オリジナル)

Using functional magnetic resonance imaging (fMRI) and deep learning to explore functional brain networks (FBNs) has attracted many researchers. However, most of these studies are still based on the temporal correlation between the sources and voxel signals, and lack of researches on the dynamics of brain function. Due to the widespread local correlations in the volumes, FBNs can be generated directly in the spatial domain in a self-supervised manner by using spatial-wise attention (SA), and the resulting FBNs has a higher spatial similarity with templates compared to the classical method. Therefore, we proposed a novel Spatial-Temporal Convolutional Attention (STCA) model to discover the dynamic FBNs by using the sliding windows. To validate the performance of the proposed method, we evaluate the approach on HCP-rest dataset. The results indicate that STCA can be used to discover FBNs in a dynamic way which provide a novel approach to better understand human brain.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL