Új NERVE rendszer optimalizálja az agyi funkcionális konnektivitás elemzését
A rendszer a funkcionális konnektivitási (FC) mátrixokat hálózati blokkokra bontja, ezzel a korábbi módszereknél pontosabban tükrözi az agy természetes moduláris felépítését.
Új öntanuló keretrendszert, a NERVE-et (Network-Aware Representations of Brain Functional Connectivity via Bilinear Tokenization) mutattak be kutatók, amely az agyi funkcionális konnektivitás (FC) reprezentációtanulását forradalmasítja — írja az ArXiv-en megjelent tanulmány.
A maszkolt autoenkóderek (MAE) eddig is ígéretesnek bizonyultak a nyugalmi állapotú agyi FC öntanuló reprezentációjában, de a tokenizáció, vagyis a FC mátrixok feldarabolásának módja továbbra is megoldatlan kérdés maradt.
Az agy természetes terepasztalán
A NERVE éppen ezt a problémát orvosolja azzal, hogy a FC mátrixokat intra- és inter-hálózati konnektivitási blokkokra osztja. Ez a bilinear tokenizációs megközelítés lehetővé teszi, hogy a rendszer figyelembe vegye az egyes hálózati párok eltérő méretét és funkcionális szerepét, szemben a kép-alapú MAE-k fix méretű, közös tokenizálóval dolgozó felosztásával.
A hálózatok szimfóniája
A NERVE-et három nagyléptékű serdülőkori adathalmazon értékelték, ahol a moduláris agyi FC-szerveződéshez igazított öntanuló megközelítése jelentősen javította a reprezentációk minőségét, az ArXiv 2024. március 10-én publikálta a tanulmányt.