使用结构相似性和KOLMOGOROV-ARNOLD网络用于皮层折叠模式的解剖嵌入
Minheng Chen1, Chao Cao1, Tong Chen1
1Department of Computer Science and Engineering, University of Texas at Arlington, USA.
Proceedings. IEEE International Symposium on Biomedical Imaging
|December 22, 2025
概括
这项研究引入了一种新的框架,用于在不同大脑中绘制三轮 (3HGs) 地图. 这种方法使得3HGs能够进行强大的跨主题对应,这对于大脑网络分析至关重要.
科学领域:
- 神经科学是一个神经科学.
- 计算生物学 计算生物学
- 脑部成像 脑部成像
背景情况:
- 三旋 (3HG) 是一个独特的皮层折叠模式.
- 3HGs对于大脑网络的构建是有价值的,因为它们具有一致而又个性化的特征.
- 建立3HGs的跨主题对应性是具有挑战性的,因为个体的解剖学变异.
研究的目的:
- 开发一种新的自我监督的框架,用于嵌入3HGs的解剖特征.
- 为了使大脑网络分析中的3HGs能够进行强大的跨主题对应.
- 为了克服传统登记方法在捕捉个体大脑解剖学方面的局限性.
主要方法:
- 提出了一个自我监督的框架,用于嵌入3HGs的解剖特征.
- 使用结构相似度增强的多跳功能编码策略.
- 采用Kolmogorov-Arnold网络 (KAN) 来进行解剖特征嵌入.
主要成果:
- 成功建立了3HGs的强大的跨主题对应.
- 证明了框架的有效性,即使没有一对一的映射.
- 通过广泛的实验验证实了该方法.
结论:
- 开发的框架有效地为跨学科的3HG创造了解剖学对应.
- 这种方法促进了3HG作为连接组研究中可靠节点的使用.
- 该方法尊重个体的解剖特征,克服传统方法的局限性.
