動的ネットワーク再構成とノード柔軟性を計算するための高速で直感的な方法【JST・京大機械翻訳】

Chinichian, N.; Kruschwitz, J.; Reinhardt, P.; Palm, M.; Wellan, S.; Erk, S.; Heinz, A.; Walter, H.; Veer, I.

プレプリント

J-GLOBAL ID：202202203383514811 整理番号：22P0314518

動的ネットワーク再構成とノード柔軟性を計算するための高速で直感的な方法【JST・京大機械翻訳】

A Fast And Intuitive Method For Calculating Dynamic Network Reconfiguration And Node Flexibility

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (9件)： , , , , , , , ,
資料名：
発行年： 2022年02月09日プレプリントサーバーでの情報更新日： 2022年02月09日
JST資料番号： O7001B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

脳領域間のAO_SCPLOWBSTRACTC_SCPLOWDynnamic相互作用は,認知課題の休止または性能のどちらかで,方法の広い分散を用いて広く研究されている。これらの方法の幾つかはデータのエレガントな数学的解釈を可能にするが,それらは容易に計算的に高価になるか,または,被験者またはグループ間で解釈し,比較するのが困難になる。ここでは,柔軟性と呼ばれる脳領域の動的再構成を測定する直感的で計算効率の良い方法を提案した。この柔軟性測度は,生物学的に妥当な脳モジュール(またはネットワーク)のアプリオリ集合に関連して定義され,確率的データ駆動モジュール推定に頼らず,次に計算負荷を最小化する。これらのアプリオリテンプレートモジュールに関する時間にわたる脳領域の親和性の変化を,脳ネットワーク柔軟性の指標として使用した。提案手法は,データ駆動を用いた以前の研究と比較して,作業記憶タスク中の全脳ネットワーク再構成(即ち,柔軟性)の非常に類似したパターンを生成することを実証したが,計算的には高価な方法である。この結果は,固定モジュールフレームワークの使用が,全脳柔軟性の正当ではあるがより効果的な推定を可能にするが,一方,この方法は,生物学的に妥当な脳ネットワークに限定されるより微細粒の柔軟性解析をさらに支持することを示している。【JST・京大機械翻訳】

, , , , , , , ,
, , , , , , , , , 【Automatic Indexing@JST】

中枢神経系 , 脳・神経系モデル , 医用画像処理

, , , ,

前のページに戻る