![arXiv:2209.13529v1 [q-bio.NC] 2022 年 9 月 13 日](/simg/d/d730240faa47ca5024c3571e0d7b1d02fc162902.webp)
机构名称：
¥ 1.0
摘要。连接脑模板 (CBT) 捕获给定脑连接组群中所有个体的共同特征，从而充当指纹。从脑图来自不同神经成像模式（例如功能和结构）和不同分辨率（即节点数）的群体中估计 CBT 仍然是一项艰巨的挑战。这种网络整合任务允许学习跨不同模式和分辨率的丰富且通用的脑连接表示。由此产生的 CBT 可大量用于生成全新的多模态脑连接组，这可以促进下游任务（例如脑状态分类）的学习。在这里，我们提出了多模态多分辨率脑图集成器网络（即 M2GraphIntegrator），这是第一个将给定连接组群映射到中心良好的 CBT 的多模态多分辨率图集成框架。 M2GraphIntegrator 首先利用特定于分辨率的图形自动编码器统一脑图分辨率。接下来，它将生成的固定大小的脑图集成到位于其种群中心的通用 CBT 中。为了保持种群多样性，我们进一步设计了一种新颖的基于聚类的训练样本选择策略，该策略利用最异构的训练样本。为了确保学习到的 CBT 的生物学健全性，我们提出了一种拓扑损失，以最小化真实脑图和学习到的 CBT 之间的拓扑差距。我们的实验表明，从单个 CBT 中，可以生成真实的连接组数据集，包括不同分辨率和模态的脑图。我们进一步证明，我们的框架在重建质量、增强任务、中心性和拓扑健全性方面明显优于基准。
arXiv:2209.13529v1 [q-bio.NC] 2022 年 9 月 13 日
主要关键词
![arXiv:2209.13529v1 [q-bio.NC] 2022 年 9 月 13 日PDF文件第1页](/bimg/d/d639392841c691ddbdb604c237e76170493275d5.webp)
![arXiv:2209.13529v1 [q-bio.NC] 2022 年 9 月 13 日PDF文件第2页](/bimg/f/fbc480208cb0a4db7f18d28d795e9bfc2f057e31.webp)
![arXiv:2209.13529v1 [q-bio.NC] 2022 年 9 月 13 日PDF文件第3页](/bimg/8/8883df250f77cb0fc97eacf0921a19826cf62ce2.webp)
![arXiv:2209.13529v1 [q-bio.NC] 2022 年 9 月 13 日PDF文件第4页](/bimg/9/943a24d90462d09512041e6b27117cb615990402.webp)
![arXiv:2209.13529v1 [q-bio.NC] 2022 年 9 月 13 日PDF文件第5页](/bimg/f/f6d025df9ec54a126695685008039b691a374fca.webp)
相关文件推荐
![arXiv:2209.06005v1 [q-bio.NC] 2022 年 9 月 13 日](/simg/9/94c76e4a20b6a5d5690db93c0a110ad77a942097.webp)
![arXiv:2209.03956v1 [q-bio.NC] 2022 年 7 月 17 日](/simg/7/78b9783c41970cf7d752a579b54ae9f4bb2a7c6f.webp)
![arXiv:2208.08896v1 [q-bio.NC] 2022 年 8 月 9 日](/simg/1/179a87c6f83be0ee92585383a262d85d2db19fa0.webp)
![arXiv:2003.10212v1 [q-bio.NC] 2020 年 3 月 13 日](/simg/c/cf701643586d210df324b7d34994c982146f5143.webp)
![arXiv:2209.03929v1 [cs.AI] 2022 年 9 月 8 日](/simg/6/672d2fccbb7f9f52b3d9ec2bc1af4cb846806851.png)
![arXiv:2201.09508v2 [q-bio.QM] 2022 年 8 月 9 日](/simg/b/b192213e1dcdb06b52f1fb0928ecbcd6ca74dfe1.webp)
![arXiv:2209.03177v1 [eess.IV] 2022 年 9 月 7 日](/simg/f/fa3ee8171c3333978c39d246479d5573a87f0728.webp)
![arXiv:2209.08843v1 [hep-ph] 2022 年 9 月 19 日](/simg/c/cf274d35c29bf977178d34afafb6fd4d045d2220.webp)
![arXiv:2209.01655v1 [stat.ME] 2022 年 9 月 4 日](/simg/e/ef0b60e3e17b419ee4c33a0e8a8dd3b263499764.webp)
![arXiv:2209.04143v2 [nucl-th] 2022 年 9 月 12 日](/simg/6/653644be7e669177b55a8119a6fdc796f8d5cb6d.webp)
![arXiv:2209.11996v1 [nucl-th] 2022 年 9 月 24 日](/simg/b/bb6bfd41d1fd46c791d2a25ac623e34d7d499ecb.webp)
![arXiv:2207.06473v1 [cs.SE] 2022 年 7 月 13 日](/simg/e/efffe05335df607d2fa296c88b37941e2988d766.webp)
![arXiv:2209.07162v1 [eess.IV] 2022 年 9 月 15 日 - UCL Discovery](/simg/9/9ab78f982675c2568ba85e311a07e3e5528c4c07.webp)
![arXiv:2209.00552v2 [eess.SY] 2022 年 11 月 9 日](/simg/a/ad501ca2400f80a04ec171a96cc0f82c991ef29c.webp)
![arXiv:2209.10054v1 [cond-mat.mtrl-sci] 2022 年 9 月 21 日](/simg/8/810764e6677aee8a8d25155d78caa5a4ade5e2dd.webp)
![arXiv : 2207 .04262v1 [ q - bio . NC ] 2022 年 7 月 9 日](/simg/1/12acb26c49d7fa304a93efc7ea3f69e3f18c5371.webp)
![arXiv:2112.12754v2 [cs.AI] 2022 年 2 月 6 日](/simg/2/2ae1c7ced0b6cb3a6dbfb3b7bdbff743ba4ccf33.png)
![arXiv:2201.02950v1 [cs.AI] 2022 年 1 月 9 日](/simg/7/7950d74bd5d43cfd47f19f081b684a20edfbc27a.png)
![arXiv:2208.02886v1 [cs.AI] 2022 年 8 月 4 日](/simg/1/1c9e25aca4e4de77bf16485751b3063f311615e9.png)
![arXiv:2205.12749v2 [cs.AI] 2022 年 7 月 1 日](/simg/2/2065ed9bc53d9d49461c4886d3dbb8f82d668f71.png)
![arXiv:2207.01360v1 [quant-ph] 2022 年 7 月 4 日](/simg/1/18c036a56efe585b77730a87b187d71b9866fa78.webp)
![arXiv:2207.02350v1 [quant-ph] 2022 年 7 月 5 日](/simg/2/20b50c617ac610bd5668964f9d79a6e7ae2bb99c.webp)
![arXiv:2210.00833v1 [cs.AR] 2022 年 10 月 3 日](/simg/b/b0d0b4c957de5d7ae82dc577c10f5b166450d54b.webp)
![arXiv:2112.09345v2 [quant-ph] 2022 年 9 月 1 日](/simg/0/046feac603a75ed93e70e5239b6c9f60b4e0e313.webp)
