PyTorchKR Papers

최신 논문

총 3편
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:2607.01901v1cs.LG

SABER: A Semantic-Aligned Brain Network Analysis Framework via Multi-scale Hypergraphs

LLM에서 추출한 의미론적 지식을 뇌 질환 분류의 의사결정 단계까지 직접 통합하는 SABER 프레임워크를 제안하며, ROI 수준의 시맨틱 임베딩 주입, 다중 스케일 하이퍼그래프 기반 고차 상호작용 모델링, 환자별 텍스트 임베딩을 그래프 표현에 선택적으로 주입하는 결정 수준 정렬 메커니즘을 계층적으로 설계하였다. ABIDE 및 ADHD-200 데이터셋 실험에서 기존 방법 대비 최고 성능을 달성하였으며, 특히 소량 데이터 환경에서의 안정성과 해석 가능성이 향상되었다.

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.