タスク最適化脳分画は、接続ベースの神経画像分類を強化するための潜在的な機能的組織を明らかにする
Andrew Hannum1, Mario A Lopez1
1Department of Computer Science, University of Denver, United States of America.
NeuroImage
|January 6, 2026
まとめ
この研究は、特定のタスクに最適化された脳マップを作成する新しい方法を導入し、認知および疾患分類を改善する。これらのタスク固有の脳分画は、一般的なアトラスを上回る隠れた機能的組織を明らかにする。
科学分野:
- 神経画像
- 計算神経科学
- 神経科学における機械学習
背景:
- 標準的な脳分画アトラスは、タスク固有の機能的組織を捉えていない可能性があります。
- 最適な脳マップは文脈依存的であることがますます認識されています。
- 既存のアトラスは、特定の認知タスクまたは臨床状態に関連する重要な機能的アーキテクチャを不明瞭にする可能性があります。
主な方法:
- 教師あり学習フレームワークを開発し、目的から直接脳分画を生成しました。
- 分類器の決定境界への寄与の類似性に基づいて機能的区画を定義しました。
- ヒューマンコネクトームプロジェクトおよびアルツハイマー病神経画像イニシアチブ（ADNI）データセットに手法を適用しました。
結論:
- 目的駆動型脳分画は、タスク関連の機能的アーキテクチャを明らかにします。
- このフレームワークは、普遍的なアトラスを超えた文脈固有の脳マップの生成を可能にします。
- 最適化されたマップは、認知プロセスおよび疾患状態の機能的アーキテクチャに関する新しい洞察を提供します。
