TReND: Transformer derived features and Regularized NMF for neonatal functional network Delineation

要約

早期発達の人間の脳の機能的ネットワーク（FNS）の正確な分割は、発達障害のバイオマーカーを特定し、機能的発達を理解するための基本的な基盤です。
安静状態のfMRI（RS-FMRI）は、機能的な変化を生体内で調査することを可能にしますが、ネットワークの成熟が不完全であるため、成人FNの分割は新生児に直接適用することはできません。
現在、標準化された新生児機能アトラスは利用できません。
この基本的な問題を解決するために、私たちは、新生児のFNSを発表するために正規化された非陰性マトリックス因数分解（RNMF）を統合する、斬新で完全に自動化された自己監視された変圧器-AutoEncoderフレームワークである傾向を提案します。
トレンドは、ボクセルごとのRS-FMRIデータにおいて、時空間的な特徴を効果的に解き放ちます。
このフレームワークは、信頼度適応マスクを変圧器の自己触媒層に統合して、ノイズの影響を緩和します。
自己監視されたデコーダーは、信頼性の高い時間的特徴として機能するエンコーダの潜在的な埋め込みを改良するためのレギュレーターとして機能します。
空間的コヒーレンスのために、脳表面ベースの測地線距離を空間エンコーディングとして組み込み、時間的特徴からの機能的接続性を組み込みます。
トレンドクラスタリングアプローチは、これらの機能をスパース性と滑らかさの制約の下で処理し、堅牢で生物学的にもっともらしい分割を生成します。
3つの異なるRS-FMRIデータセットのトレンドフレームワークを広範囲に検証しました。シミュレーション、DHCP、およびHCP-YAと同等の従来の特徴抽出およびクラスタリング技術に対してです。
私たちの結果は、新生児FNの描写におけるトレンドフレームワークの優位性を実証しました。
総称して、新生児のFN描写のために、斬新で堅牢なフレームワークであるトレンドを確立しました。
傾向由来の新生児FNSは、健康と疾患の周産期集団の新生児官能性アトラスとして機能する可能性があります。

要約(オリジナル)

Precise parcellation of functional networks (FNs) of early developing human brain is the fundamental basis for identifying biomarker of developmental disorders and understanding functional development. Resting-state fMRI (rs-fMRI) enables in vivo exploration of functional changes, but adult FN parcellations cannot be directly applied to the neonates due to incomplete network maturation. No standardized neonatal functional atlas is currently available. To solve this fundamental issue, we propose TReND, a novel and fully automated self-supervised transformer-autoencoder framework that integrates regularized nonnegative matrix factorization (RNMF) to unveil the FNs in neonates. TReND effectively disentangles spatiotemporal features in voxel-wise rs-fMRI data. The framework integrates confidence-adaptive masks into transformer self-attention layers to mitigate noise influence. A self supervised decoder acts as a regulator to refine the encoder’s latent embeddings, which serve as reliable temporal features. For spatial coherence, we incorporate brain surface-based geodesic distances as spatial encodings along with functional connectivity from temporal features. The TReND clustering approach processes these features under sparsity and smoothness constraints, producing robust and biologically plausible parcellations. We extensively validated our TReND framework on three different rs-fMRI datasets: simulated, dHCP and HCP-YA against comparable traditional feature extraction and clustering techniques. Our results demonstrated the superiority of the TReND framework in the delineation of neonate FNs with significantly better spatial contiguity and functional homogeneity. Collectively, we established TReND, a novel and robust framework, for neonatal FN delineation. TReND-derived neonatal FNs could serve as a neonatal functional atlas for perinatal populations in health and disease.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google