[論文レビュー] A Dual-Head Transformer-State-Space Architecture for Neurocircuit Mechanism Decomposition from fMRI

Cole Korponay|arXiv (Cornell University)|Jan 20, 2026

Functional Brain Connectivity Studies被引用数 0

ひとこと要約

Neurocircuit Mechanism Decomposition (NMD) を導入したデュアルヘッドモデル。グラフ制約付きラグアウェア変換器と測定認識型状態空間モデルを組み合わせ、fMRI機能的結合性を駆動力、入力応答性、モジュレータゲーティングへ分解し、標的治療の洞察を提供する。

ABSTRACT

Precision psychiatry aspires to elucidate brain-based biomarkers of psychopathology to bolster disease risk assessment and treatment development. To this end, functional magnetic resonance imaging (fMRI) has helped triangulate brain circuits whose functional features are correlated with or even predictive of forms of psychopathology. Yet, fMRI biomarkers to date remain largely descriptive identifiers of where, rather than how, neurobiology is aberrant, limiting their utility for guiding treatment. We present a method for decomposing fMRI-based functional connectivity (FC) into constituent biomechanisms - output drive, input responsivity, modulator gating - with clearer alignment to differentiable therapeutic interventions. Neurocircuit mechanism decomposition (NMD) integrates (i) a graph-constrained, lag-aware transformer to estimate directed, pathway-specific routing distributions and drive signals, with (ii) a measurement-aware state-space model (SSM) that models hemodynamic convolution and recovers intrinsic latent dynamics. This dual-head architecture yields interpretable circuit parameters that may provide a more direct bridge from fMRI to treatment strategy selection. We instantiate the model in an anatomically and electrophysiologically well-defined circuit: the cortico-basal ganglia-thalamo-cortical loop.

研究の動機と目的

• fMRIバイオマーカーを実用的なニューロサーキット機構に結びつけて精密精神医学を動機づける。
• fMRI機能的結合性を出力駆動力、入力応答性、モジュレータゲーティングへ分解する。

提案手法

• グラフ制約付きラグ認識トランスフォーマーを開発し、方向付き・経路特異的ルーティング分布とドライブ信号を推定する。
• 血流動態畳み込みを捉え latent dynamics を回復するため、測定認識型状態空間モデルと統合する。
• fMRIデータと治療戦略を橋渡しする解釈可能な回路パラメータ集合を提供する。

実験結果

リサーチクエスチョン

• RQ1 fMRIベースの機能的結合性を、識別可能なニューロサーキット機構へどのように分解できるか。
• RQ2 デュアルヘッドアーキテクチャは治療介入と整合する解釈可能な機構レベルのパラメータを生み出すか。
• RQ3 ラグ認識トランスフォーマーと測定認識SSM が fMRI から intrinsic な神経ダイナミクスを回復する役割は何か。
• RQ4 皮質-基底核-視床-皮質ループへの適用はどうなるか。

主な発見

• デュアルヘッドアーキテクチャは、ニューロサーキット機構分解のための解釈可能な回路パラメータを生み出す。
• グラフ制約付きラグ認識トランスフォーマーと測定認識型状態空間モデルを統合し、血流動態と潜在ダイナミクスをモデル化する。
• 定義された皮質-基底核-視床-皮質ループでの実例を示す。
• 記述的バイオマーカーを超え、機構に基づく治療指針へと踏み出すためのフレームワークを提供する。