NeuroDetour：ヒトコネクトームにおける構造-機能カップリングメカニズム解明のためのニューラルパスウェイ変圧器
Ziquan Wei1, Tingting Dan1, Jiaqi Ding1
1organization=University of North Carolina at Chapel Hill, addressline=334 Emergency Room Dr, city=Chapel Hill, postcode=27599, state=NC, country=USA.
Medical image analysis
|January 13, 2026
まとめ
NeuroDetourは、「トポロジカル迂回」を用いて脳の構造と機能の関連性をモデル化し、神経ダイナミクスを解読します。この深層学習フレームワークは、脳タスクの分類と疾患予測において最先端の結果を達成しています。
科学分野:
- 神経科学
- ネットワーク神経科学
- 機械学習
- グラフ表現学習
背景:
- 現代の神経画像は脳の接続を明らかにしますが、構造と機能の関係、および認知における神経ダイナミクスを理解することは依然として困難です。
- 現在の機械学習モデルは神経科学の原則を無視することが多く、認知行動における神経活動の解釈を妨げています。
- 構造的接続性（SC）と機能的接続性（FC）の間のギャップを埋めることは、脳機能の理解にとって重要です。
研究 の 目的:
- SCとFCの間の相互作用を分析するための新しい深層学習フレームワーク、NeuroDetourを開発すること。
- 「トポロジカル迂回」の概念を導入し、SC経路がどのようにFCをサポートし、構造-機能フィードバックループを形成するかを説明すること。
- 下流アプリケーションのために神経画像データから意味のあるコネクトーム特徴を抽出すること。
主な方法:
- SC-FCの相互作用をグラフ表現学習問題として再考しました。
- マルチホップ迂回経路に着想を得たトランスフォーマーアーキテクチャ内に、新しいマルチヘッド自己注意メカニズムを導入しました。
- 生物学的に着想を得た深層学習フレームワークであるNeuroDetourを開発しました。
主要な成果:
- NeuroDetourは、大規模な神経画像データセットからコネクトーム特徴表現を正常に抽出しました。
- このフレームワークは、タスク分類と疾患予測において最先端のパフォーマンスを達成しました。
- ヒトコネクトームプロジェクト（HCP）およびUKバイオバンク（UKB）データセットでの検証により、教師ありおよびゼロショット設定の両方で有効性が実証されました。
結論:
- NeuroDetourは、脳の構造と機能の関係を理解するための強力な新しいアプローチを提供します。
- 「トポロジカル迂回」の概念は、SC-FCカップリングを媒介するための生物学的に妥当なメカニズムを提供します。
- このフレームワークは、コネクトミクス研究と神経学における臨床応用の進歩に大きな可能性を秘めています。
