GNNによる視覚カテゴリのための機能ネットワークの解読
arXiv cs.CV / 2026/4/1
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- 本論文は、Natural Scenes Datasetの7T fMRIデータから構築したパーセル（領域）レベルのグラフを用いて、大規模な脳機能ネットワークが視覚カテゴリをどのように符号化しているかを研究する。
- 正負の相互作用をモデリングする符号付きグラフニューラルネットワークを学習し、疎性のためのエッジマスキング機構、さらに解釈のためのクラス固有のサリエンシー（重要度）を導入することで、どの結合パターンが重要かを明らかにする。
- 本アプローチは、スポーツ、食べ物、乗り物などのカテゴリに対して、カテゴリ固有の機能的結合状態を正常に復号（デコード）できることを示す。
- 結果は、腹側および背側の視覚経路に整合する、再現可能なサブネットワークを明らかにし、学習された表現が生物学的に意味のあるものであることを示唆する。
- 全体として、本研究は、ボクセル（画素）レベルのカテゴリ選択性から、視覚処理の結合（コネクティビティ）に基づく見方へと発展させることで、機械学習手法と神経科学を結び付ける。
