arXiv:2511.04718v2 Announce Type: replace 
Abstract: Resting-state fMRI has become a valuable tool for classifying brain disorders and constructing brain functional connectivity networks by tracking BOLD signals across brain regions. However, existing mod els largely neglect the multi-frequency nature of neuronal oscillations, treating BOLD signals as monolithic time series. This overlooks the cru cial fact that neurological disorders often manifest as disruptions within specific frequency bands, limiting diagnostic sensitivity and specificity. While some methods have attempted to incorporate frequency informa tion, they often rely on predefined frequency bands, which may not be optimal for capturing individual variability or disease-specific alterations. To address this, we propose a novel framework featuring Adaptive Cas cade Decomposition to learn task-relevant frequency sub-bands for each brain region and Frequency-Coupled Connectivity Learning to capture both intra- and nuanced cross-band interactions in a unified functional network. This unified network informs a novel message-passing mecha nism within our Unified-GCN, generating refined node representations for diagnostic prediction. Experimental results on the ADNI and ABIDE datasets demonstrate superior performance over existing methods. The code is available at https://github.com/XXYY20221234/Ada-FCN.

تقدم الورقة المعنونة 'Ada-FCN: الشبكة التكيفية المرتبطة بالتردد لتصنيف الاضطرابات الدماغية المستندة إلى التصوير بالرنين المغناطيسي الوظيفي' إطارًا جديدًا لتصنيف الاضطرابات الدماغية باستخدام التصوير بالرنين المغناطيسي الوظيفي في حالة الراحة. غالبًا ما تتجاهل النماذج التقليدية الطبيعة متعددة الترددات للاهتزازات العصبية، وتعامل إشارات BOLD كسلاسل زمنية أحادية. يحد هذا النهج من دقة التشخيص، حيث تتجلى الاضطرابات العصبية غالبًا كاضطرابات ضمن نطاقات تردد محددة. يستخدم الإطار المقترح، Ada-FCN، التحليل التكيفي المتسلسل لتحديد نطاقات التردد الفرعية ذات الصلة وتعلم الاتصال المرتبط بالتردد لتعزيز فهم الات…

El artículo titulado 'Ada-FCN: Red Adaptativa Acoplada por Frecuencia para la Clasificación de Trastornos Cerebrales Basada en fMRI' presenta un nuevo marco para clasificar trastornos cerebrales utilizando fMRI en reposo. Los modelos tradicionales a menudo pasan por alto la naturaleza multifrecuencia de las oscilaciones neuronales, tratando las señales BOLD como series temporales únicas. Este enfoque limita la precisión diagnóstica, ya que los trastornos neurológicos a menudo interrumpen bandas de frecuencia específicas. El marco propuesto, Ada-FCN, utiliza la Descomposición en Cascada Adaptat…

L'article intitulé 'Ada-FCN: Réseau Adaptatif Couplé par Fréquence pour la Classification des Troubles Cérébraux Basée sur l'IRMf' présente un nouveau cadre pour la classification des troubles cérébraux en utilisant l'IRMf au repos. Les modèles traditionnels négligent souvent la nature multi-fréquence des oscillations neuronales, traitant les signaux BOLD comme des séries temporelles uniques. Cette approche limite la précision diagnostique, car les troubles neurologiques perturbent fréquemment des bandes de fréquence spécifiques. Le cadre proposé, Ada-FCN, utilise la Décomposition en Cascade A…

The paper titled 'Ada-FCN: Adaptive Frequency-Coupled Network for fMRI-Based Brain Disorder Classification' presents a new framework for classifying brain disorders using resting-state fMRI. Traditional models often overlook the multi-frequency nature of neuronal oscillations, treating BOLD signals as single time series. This approach limits diagnostic accuracy as neurological disorders frequently disrupt specific frequency bands. The proposed Ada-FCN framework utilizes Adaptive Cascade Decomposition to identify relevant frequency sub-bands and Frequency-Coupled Connectivity Learning to enhanc…

Ada-FCN: Adaptive Frequency-Coupled Network for fMRI-Based Brain Disorder Classification

Was this article worth reading? Share it

LucidQuery AI

Brainactive

AINF Membership

Saner.AI

Octofy

Supanote

Ready to build your own newsroom?