PulseAugur
实时 08:27:29
English(EN) BrainRiem: Riemannian Prototype Learning for Source-Free Cross-Site Brain Network Diagnosis

BrainRiem框架使用黎曼几何进行隐私保护的脑网络诊断

研究人员开发了BrainRiem,一个用于在不直接访问源数据的情况下跨站点自适应脑网络诊断模型的新颖框架。该方法利用黎曼几何学习紧凑的脑原型,这些原型保持有效的对称正定(SPD)矩阵,从而避免了欧几里得方法中常见的几何失真。通过仅传输这些匿名原型,BrainRiem能够在遵守临床隐私法规的同时,在目标站点训练本地模型,并且性能优于现有的无源和图域自适应技术。 AI

排序理由 该集群包含一篇研究论文,详细介绍了脑网络分析中域适应的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

BrainRiem框架使用黎曼几何进行隐私保护的脑网络诊断

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Kunyu Zhang, Tianxiang Xu ·

    BrainRiem:用于无源跨站点脑网络诊断的黎曼原型学习

    arXiv:2606.29200v1 Announce Type: new Abstract: Multi-site functional MRI (fMRI) studies are essential for robust neuropsychiatric diagnosis yet suffer severe domain shifts from scanner heterogeneity, demographics, and site-specific acquisition protocols. Traditional domain adapt…