메뉴
SC-TauPath 结构连接归因框架用于映射阿尔茨海默病 Tau 传播路径。结合网络扩散模型增强 MLP 与梯度×输入归因，生成多尺度路径图谱（骨干边、高流量路由、枢纽 ROI），验证 Braak 分期解剖学。
기본적으로 소스를 먼저 확인하는 Prompt가 선택됩니다. 직접 명령으로 전환하거나 로컬 사본을 다운로드할 수도 있습니다.
설치 여부를 결정하기 전에 SKILL.md와 SkillsMP에 표시된 보조 파일을 읽어 보세요.
SOC 직업 분류 기준
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
직접 명령은 검토 Prompt를 거치지 않습니다. 실행하기 전에 소스를 확인하세요.
npx skills add https://github.com/hiyenwong/ai_collection --skill sc-taupath-alzheimer-tau-propagation명령은 한 줄로 유지됩니다. 복사하기 전에 가로로 스크롤해 전체 내용을 확인하세요.
로컬 사본을 원하시나요? SkillsMP에서 현재 제공할 수 있는 파일을 다운로드하세요.
SKILL.md 표시 중
| name | sc-taupath-alzheimer-tau-propagation |
| description | SC-TauPath 结构连接归因框架用于映射阿尔茨海默病 Tau 传播路径。结合网络扩散模型增强 MLP 与梯度×输入归因，生成多尺度路径图谱（骨干边、高流量路由、枢纽 ROI），验证 Braak 分期解剖学。 |
| version | 1.0.0 |
| category | neuroscience |
| authors | ["Jing Zhang","Norman Scheel","Minheng Chen"] |
| arxiv_id | 2606.04066 |
| created | 2026-06-09T00:00:00.000Z |
| activation_keywords | ["tau propagation","Alzheimer's disease","structural connectivity","network diffusion","attribution framework","Braak staging"] |
| related_skills | ["brain-network-controllability","alzheimer-pet-suvr-network-models"] |
SC-TauPath 是一个结构连接（SC）归因框架，从体内神经影像数据映射 Tau 传播路径。结合网络扩散模型增强的 MLP 与梯度×输入归因，生成多尺度路径图谱，验证 Braak 分期解剖学。
结合网络扩散理论的可解释神经网络架构：
可解释的边贡献评分：
三级路径图谱：
与经典 Braak 分期的解剖学一致性验证：
需要的数据：
架构设计：
Input: SC matrix (N×N)
↓
SC Encoder (flatten → hidden_dim)
↓
NDM Constraint Loss (network diffusion theory)
↓
Predictor (hidden_dim → N ROI tau values)
↓
Output: Tau distribution prediction
算法流程：
提取策略：
归因路径图与 Braak 分期解剖学的对应：
Graph-native Python reimplementation of the Information Dynamics of Music (IDyOM) model that represents predictive memories as explicit graph objects for musical expectation modeling and network analysis.
Physics-aware end-to-end deep reinforcement learning methodology for quadcopter control with actuator dynamics modeling.
Reinforced Dreamer methodology for asymmetric reinforcement learning using latent guidance to improve world model representations and behaviors in model-based RL.