PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2607.09788v1cs.CV

MVMGNN: 구조적 MRI를 이용한 알츠하이머 질환 진단을 위한 다중 뷰 마스킹 그래프 신경망

MVMGNN;Multi-View Masked Graph Neural Network for Alzheimer's Disease Diagnosis using Structural MRI

알츠하이머 질환(AD)은 흔한 신경퇴행성 장애로, 조기 진단은 질병 진행을 늦추고 적시에 개입하는 데 있어 매우 중요하다. 경도 인지 장애(MCI)는 인지적으로 정상적인 노화와 AD 사이의 중간 임상 단계를 나타낸다. 구조적 자기공명영상(sMRI)은 해부학적 구조를 상세히 특성화하며 AD 관련 뇌 분석에서 중요한 역할을 한다. 그러나 기존의 sMRI 기반 뇌 네트워크 방법은 단일 그래프 구성 전략에 의존하는 경우가 많아 뇌 영역 간의 공간적 관계와 형태적 유사성을 함께 포착하는 능력이 제한된다. 이러한 문제를 해결하기 위해 본 논문은 AD 진단을 위한 sMRI 기반 다중 뷰 마스킹 그래프 신경망 모델(MVMGNN)을 제안한다. 라디오믹스(radiomics) 특징 차원과 구조적 연결을 동시에 선택하여 그래프 학습 중 중복성을 줄이기 위한 노드-엣지 결합 마스킹 메커니즘을 제안한다. 또한 다중 뷰 표현을 통합하기 위한 환자 수준의 교차 뷰 게이트 융합 메커니즘을 제안한다. ADNI 데이터셋에 대한 실험 결과, MVMGNN이 AD 분류에서 여러 경쟁 방법보다 우수한 성능을 보임을 입증한다. 해석 가능성 분석을 통해 MVMGNN이 AD와 관련된 주요 뇌 영역을 식별할 수 있음을 추가로 확인하였으며, sMRI 기반 뇌 네트워크의 판별 패턴에 대한 유용한 통찰을 제공한다. 구현 코드는 https://github.com/chenzhao2023/MVMGNN_AD 에서 공개적으로 이용 가능하다.

arXiv:2606.29200v1cs.LG

BrainRiem: 소스 없는 다기관 뇌 네트워크 진단을 위한 리만 프로토타입 학습

BrainRiem: Riemannian Prototype Learning for Source-Free Cross-Site Brain Network Diagnosis

다기관 fMRI 기반 신경정신과 진단에서 스캐너 이질성으로 인한 도메인 시프트와 임상 개인정보 보호 규정을 동시에 해결하기 위해, BrainRiem은 Log-Euclidean Metric과 Dirichlet Energy 스펙트럼 보정을 활용한 다양체 인식 이중 레벨 최적화로 압축된 리만 뇌 프로토타입을 학습하는 소스 없는 도메인 적응 프레임워크를 제안한다. ABIDE와 REST-meta-MDD 벤치마크에서 기존 소스 없는 방법 및 전통적 도메인 적응 방법을 일관되게 능가하며, 학습된 프로토타입이 신경과학적으로 해석 가능한 연결성 패턴을 보임을 검증하였다.