Rhamba：安静時fMRIの自己教師あり学習向け領域認識型ハイブリッドAttention-Mambaフレームワーク
Rhamba: Region-Aware Hybrid Attention-Mamba Framework for Self-Supervised Learning in Resting-State fMRI
記事のポイント
📰ニュース
安静時fMRIデータに自己教師あり学習を適用する新しいフレームワーク「Rhamba」が開発されました。
🔍注目ポイント
解剖学的領域を考慮したマスキングとAttention-Mambaハイブリッド構造を組み合わせ、fMRI解析の精度を向上させます。
🔮これからどうなる
精神疾患の診断精度向上に貢献し、大規模神経画像データからの知見抽出を加速させる可能性があります。
Rhambaは、領域に合わせたパッチ埋め込みと3種類のマスキング戦略、および4種類のアーキテクチャを評価しました。
特にMamba-Attention（MA）構成のハイブリッドアーキテクチャが、統合失調症とADHDの分類タスクで最高の平均AUROCを達成し、既存手法を上回る性能を示しました。
マスキング戦略とアーキテクチャの相互作用が性能に大きく影響することが判明しました。
特にMamba-Attention（MA）構成のハイブリッドアーキテクチャが、統合失調症とADHDの分類タスクで最高の平均AUROCを達成し、既存手法を上回る性能を示しました。
マスキング戦略とアーキテクチャの相互作用が性能に大きく影響することが判明しました。
fMRIデータ解析に特化した自己教師あり学習の進化は、精神疾患の早期発見や治療法開発に大きな一歩をもたらしそうです。医療現場での活用が期待されますね。