적응형 흐름 라우팅을 통한 뇌 네트워크 내 잠재적 통신 패턴 규명

Uncovering Latent Communication Patterns in Brain Networks via Adaptive Flow Routing

미시적인 신경 연결성으로부터 거시적인 인지 표현형이 어떻게 발현되는지 밝혀내는 것은 신경과학의 핵심 목표 중 하나입니다. 이를 위해 연구자들은 일반적으로 구조적 연결성(SC)과 기능적 연결성(FC)의 멀티모달 정보를 활용하여 다운스트림 작업을 수행합니다. 최근의 방법론들은 SC와 FC 간의 복잡한 결합 메커니즘을 탐구하며 영역 수준에서 이들의 표현을 융합하려 시도하고 있습니다. 그러나 근본적인 신경과학적 통찰의 부재로 인해, 이러한 접근법들은 커넥톰 기저에 존재하는 신경 영역 간의 잠재적 상호작용을 밝혀내지 못하며, 결과적으로 SC와 FC가 결합과 이질성이라는 동적 상태를 동시에 보이는 이유를 설명하지 못합니다. 본 논문에서는 신경 통신 역학의 관점에서 멀티모달 융합을 정식화하고, 구조적 제약(SC)이 어떻게 기능적 통신 패턴(FC)을 유발하는지 모델링하는 물리학 기반 프레임워크인 적응형 흐름 라우팅 네트워크(AFR-Net)를 제안합니다. 이를 통해 중요한 신경 경로를 해석 가능한 방식으로 발견할 수 있습니다. 광범위한 실험을 통해 AFR-Net이 최신 기준 모델들을 크게 능가함을 입증하였습니다. 코드는 https://anonymous.4open.science/r/DIAL-F0D1 에서 이용 가능합니다.

Unraveling how macroscopic cognitive phenotypes emerge from microscopic neuronal connectivity remains one of the core pursuits of neuroscience. To this end, researchers typically leverage multi-modal information from structural connectivity (SC) and functional connectivity (FC) to complete downstream tasks. Recent methodologies explore the intricate coupling mechanisms between SC and FC, attempting to fuse their representations at the regional level. However, lacking fundamental neuroscientific insight, these approaches fail to uncover the latent interactions between neural regions underlying these connectomes, and thus cannot explain why SC and FC exhibit dynamic states of both coupling and heterogeneity. In this paper, we formulate multi-modal fusion through the lens of neural communication dynamics and propose the Adaptive Flow Routing Network (AFR-Net), a physics-informed framework that models how structural constraints (SC) give rise to functional communication patterns (FC), enabling interpretable discovery of critical neural pathways. Extensive experiments demonstrate that AFR-Net significantly outperforms state-of-the-art baselines. The code is available at https://anonymous.4open.science/r/DIAL-F0D1.