Core Concepts
Ein neuartiges Transformer-basiertes Modell (TC-BrainTF) mit einem lernbaren Token-Clustering-Modul, das die dynamische Identifizierung von Gehirn-Funktionsgemeinschaften ermöglicht und so die Klassifizierung von Autismus-Spektrum-Störungen und Geschlechtsunterschieden verbessert.
Abstract
Die Studie präsentiert ein Transformer-basiertes Modell namens TC-BrainTF, das eine neuartige Token-Clustering-Komponente (TC) verwendet, um die Gehirn-Konnektivität flexibel und ohne Vorgabe von Gemeinschaftsstrukturen zu analysieren.
Das Modell besteht aus drei Hauptkomponenten:
Eine Transformer-Encoder-Schicht, die Abhängigkeiten zwischen Regionen des Gehirns (ROIs) und Clusterzuordnungen modelliert.
Das TC-Modul, das lernbare Prompt-Token verwendet, um ROIs dynamisch in Gemeinschaften zu clustern. Dabei wird ein orthogonaler Verlust eingeführt, um die Unterschiede zwischen den Gemeinschaften zu betonen.
Eine Readout-Schicht, die die gelernten Knotenrepräsentationen und Gemeinschaftszuordnungen für Vorhersageanalysen nutzt.
Die Ergebnisse zeigen, dass TC-BrainTF die Leistung bei der Klassifizierung von Autismus-Spektrum-Störungen und Geschlechtsunterschieden im Vergleich zu etablierten Baselines deutlich verbessert. Die qualitative Analyse identifiziert zudem relevante Gehirn-Funktionsgemeinschaften, die mit kognitiven Schlüsselwörtern in Verbindung stehen.
Insgesamt demonstriert die Studie, dass das vorgeschlagene lernbare, gemeinschaftsbewusste Transformer-Modell die Flexibilität und Leistungsfähigkeit der Analyse von Gehirn-Konnektivität erhöht, ohne auf vorgegebene Gemeinschaftsstrukturen angewiesen zu sein.
Stats
Die Funktionskonnektivitätsmatrix FC ∈ RN×N repräsentiert die Stärke der fMRT-Co-Aktivierung zwischen N Regionen des Gehirns (ROIs).
Für den ABIDE-Datensatz gilt N = 200 ROIs, für den HCP-Datensatz N = 268 ROIs.
Quotes
"Neurowissenschaftliche Forschung hat gezeigt, dass das komplexe Gehirnnetzwerk in distinkte funktionale Gemeinschaften organisiert sein kann, die jeweils durch eine kohäsive Gruppe von ROIs mit starken Verbindungen untereinander gekennzeichnet sind."
"Traditionelle Modelle waren durch die Notwendigkeit von vordefinierten Gemeinschaftsclustern eingeschränkt, was ihre Flexibilität und Anpassungsfähigkeit bei der Entschlüsselung der funktionalen Organisation des Gehirns begrenzte."