PulseAugur
实时 08:17:55
English(EN) When Brain Networks Travel: Learning Beyond Site

新的CORE框架改进了跨不同地点的大脑网络学习

研究人员开发了一个名为CORE的新框架,以改进对来自不同地点fMRI数据的大脑网络分析。该方法解决了站点特定偏差和平均连接性模糊了重要的瞬态动力学,阻碍了泛化的问题。CORE通过解耦站点特定的混淆因素,提取稳定的连接性边的种群支架,然后在该支架上模拟瞬态通路动力学。实验表明,CORE在跨站点泛化方面显著优于现有方法,即使在脑分区方案存在差异的情况下也是如此。 AI

影响 增强了大脑网络分析的跨站点泛化能力,有望提高多中心研究的诊断准确性。

排序理由 这是一篇详细介绍fMRI数据分析新框架的研究论文。

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 →

新的CORE框架改进了跨不同地点的大脑网络学习

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Yingxu Wang, Kunyu Zhang, Yanwu Yang, Thomas Wolfers, Yujie Wu, Siyang Gao, Nan Yin ·

    When Brain Networks Travel: Learning Beyond Site

    arXiv:2605.06050v1 Announce Type: new Abstract: Graph-based learning on functional magnetic resonance imaging (fMRI) has shown strong potential for brain network analysis. However, existing methods degrade under cross-site out-of-distribution (OOD) settings because site-condition…