TL;DR
- نویسندگان:.
- یوجیان شیونگ،.
- محمد فرازی،.
چه اتفاقی افتاد
نویسندگان:. یوجیان شیونگ،.
محمد فرازی،. یانشی چن،.
ونهویی ژو،. ژوانژائو دونگ،.
ناتاشا لپور،. یی سو،.
رازا مشتاق،. استفن فولدز،.
اندرو یانگ،. یالین وانگ مشاهده PDF HTML (تجربی) چکیده:.
یادگیری بازنمایی در مقیاس بزرگ در مدلهای غیرساختارمند،. به ویژه در مدلهای غیرساختارمند،.
به چالشهای حجمی و حجمی قابل توجه نیاز دارد. توصیفکنندههای مورفومتریک در سطح رئوس مختلف،.
مانند ضخامت قشر،. انحنا،.
عمق گودی،. و محتوای میلین،.
که سیگنالهای نامحسوس مرتبط با بیماری را حمل میکنند،. ترکیب میکنند.
رویکردهای فعلی یا این ویژگیهای بالینی آموزنده را نادیده میگیرند یا تنها از یک توپولوژی مش پشتیبانی میکنند. و استفاده از آنها را در خطوط لوله تصویربرداری محدود میکنند.
ما یک چارچوب ترانسفورماتور سلسله مراتبی را معرفی میکنیم که برای تجزیه و تحلیل مش ناهمگن طراحی شده. است که بر روی پارتیشنهای درختی سازگار با فضایی ساخته شده از مجتمعهای ساده با نظم دلخواه عمل.
میکند. این طرح هم گسستهسازیهای حجمی و هم سطحی را در یک معماری واحد تطبیق میدهد و توجه چند.
مقیاسی کارآمد را بدون تغییرات خاص توپولوژی ممکن میسازد. یک ماژول طرحریزی ویژگی،.
توصیفگرهای بالینی با طول متغیر در هر رأس را در سلسله مراتب فضایی نقشهبرداری میکند،. ساختار هندسی را از ابعاد ویژگی جدا میکند و امکان ادغام یکپارچه مجموعههای مختلف تصویربرداری عصبی را فراهم.
میکند. پیشآموزشی با نظارت خود از طریق بازسازی پوشانده شده از مختصات و کانالهای مورفومتریک در گروههای بزرگ بدون.
برچسب،. یک ستون فقرات رمزگذار قابل انتقال را ایجاد میکند که برای کارهای مختلف پاییندست و روشهای مش قابل.
استفاده است. ما رویکرد خود را در طبقهبندی بیماری آلزایمر و پیشبینی بار آمیلوئید با استفاده از مشهای مغزی حجمی.
از ADNI،. و همچنین تشخیص دیسپلازی کانونی قشر روی شبکههای سطح قشر مغز از مجموعه داده MELD تأیید میکنیم و.
به پیشرفتهترین حالت دست مییابیم. نتایج در تمام معیارها موضوعات:.
بینایی کامپیوتری و تشخیص الگو (cs.CV)؛ نورون ها و شناخت (q-bio.NC) استناد به عنوان:.
arXiv:. 2604.05215 [cs.CV] (یا arXiv:.
2604.05215v1 [cs.CV] برای این نسخه) https:. //doi.org/10.48550/arXiv.2604.05215 DOI صادر شده توسط arXiv از طریق DataCite (در انتظار ثبت نام) تاریخچه ارسال از:.
Yujian Xiong [مشاهده ایمیل] [v1] دوشنبه،. 6 آوریل 2026،.
ساعت 22:. 27:.
36 UTC (5,. 853 KB).
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.