概要: 機能的磁気共鳴画像法（fMRI）は、脳機能を非侵襲的に調べることを可能にしますが、ヒトおよび非ヒト要因によって生じる短い臨床スキャン時間は、通常、データ品質の低下と神経画像研究の統計的パワーの制限を招きます。
本論文では、全脳fMRI時系列予測に特化して設計された新規の時空間予測フレームワークBrainCastを提案し、追加データ取得なしに情報量の多いfMRI時系列を拡張します。
それは、fMRI時系列予測を多変量時系列予測タスクとして定式化し、関心領域（ROIs）内の時間ダイナミクスとROIs間の空間相互作用を共にモデル化します。
具体的には、BrainCastは、各ROI時系列をトークンとして埋め込むことによりROI間依存性を特徴付ける Spatial Interaction Awarenessモジュール、ROIレベルで低エネルギーおよび高エネルギーの両方の時間成分を強化して各ROI内の内在的な神経ダイナミクスを捉えるTemporal Feature Refinementモジュール、空間表現と時間表現を組み合わせて有益な全脳特徴を生成するSpatio-temporal Pattern Alignmentモジュールを統合します。
Human Connectome Projectの安静時および課題時fMRIデータセットに基づく実験結果は、BrainCastが最先端の時系列予測ベースラインより優れていることを示しています。
さらに、BrainCastによって拡張されたfMRI時系列は下流の認知能力予測を改善し、スキャン時間が制限された状況での全脳fMRI時系列予測が臨床的および神経科学的影響をもたらすことを強調しています。
返却形式: {"translated": "翻訳されたHTML"}
