Fugu-MT 論文翻訳(概要): Bayesian recurrent state space model for rs-fMRI

論文の概要: Bayesian recurrent state space model for rs-fMRI

arxiv url: http://arxiv.org/abs/2011.07365v1
Date: Sat, 14 Nov 2020 18:53:24 GMT
ステータス: 処理完了
システム内更新日: 2022-09-25 13:28:22.109874
Title: Bayesian recurrent state space model for rs-fMRI
Title（参考訳）: rs-fMRIのためのベイズ状態空間モデル
Authors: Arunesh Mittal, Scott Linderman, John Paisley, Paul Sajda
Abstract要約: 静止状態fMRIデータにおけるスイッチングネットワーク接続をモデル化するための階層型ベイズ連続状態空間モデルを提案する。軽度認知障害者(MCI)における変化型神経回路に対応する潜時状態パターンを推定することによりADNI2データセット上での手法の評価を行った。
参考スコア（独自算出の注目度）: 3.5174884177930448
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We propose a hierarchical Bayesian recurrent state space model for modeling switching network connectivity in resting state fMRI data. Our model allows us to uncover shared network patterns across disease conditions. We evaluate our method on the ADNI2 dataset by inferring latent state patterns corresponding to altered neural circuits in individuals with Mild Cognitive Impairment (MCI). In addition to states shared across healthy and individuals with MCI, we discover latent states that are predominantly observed in individuals with MCI. Our model outperforms current state of the art deep learning method on ADNI2 dataset.
Abstract（参考訳）: 静止状態fMRIデータにおけるネットワーク接続をモデル化するための階層型ベイズ連続状態空間モデルを提案する。我々のモデルでは、病気の状況にまたがる共有ネットワークパターンを明らかにすることができる。軽度認知障害者(mci)の神経回路の変化に対応する潜在状態パターンを推定し,adni2データセットに対する評価を行った。健常者および健常者間で共有される状態に加えて,MCI患者で主に観察される潜伏状態も発見された。本モデルは,adni2データセットにおけるartディープラーニング手法の現況を上回っている。

関連論文リスト

ContextMRI: Enhancing Compressed Sensing MRI through Metadata Conditioning [51.26601171361753]
本稿では, 微細なメタデータを再構成プロセスに統合したMRI用テキスト条件拡散モデルであるContextMRIを提案する。メタデータの忠実度はスライス位置やコントラストから患者年齢、性別、病理まで増加し、体系的に再構築性能が向上することを示す。
論文参考訳（メタデータ） (2025-01-08T05:15:43Z)
Modeling COVID-19 spread in the USA using metapopulation SIR models coupled with graph convolutional neural networks [0.0]
グラフ畳み込みニューラルネットワーク(GCN)は、データ集約的な課題に対処する上で、非常に有望であることを示している。メタポピュレーション間の人体移動を取り入れることで、感受性-感染-回復モデル(SIR)の予測を改善する試みがいくつかなされている。近年,GCN-SIRのハイブリッド手法は,地域レベルで収集したデータに対して,既存の手法よりも優れていることが報告されている。
論文参考訳（メタデータ） (2025-01-03T18:06:26Z)
Synthetic Augmentation for Anatomical Landmark Localization using DDPMs [0.22499166814992436]
拡散型生成モデルは近年,高品質な合成画像を生成する能力に注目が集まっている。ランドマークマッチングのためのマルコフランダムフィールド(MRF)モデルと統計的形状モデル(SSM)を用いて,生成画像の品質を評価する新しい手法を提案する。
論文参考訳（メタデータ） (2024-10-16T12:09:38Z)
Interpretable Spatio-Temporal Embedding for Brain Structural-Effective Network with Ordinary Differential Equation [56.34634121544929]
本研究では,まず動的因果モデルを用いて脳効果ネットワークを構築する。次に、STE-ODE(Spatio-Temporal Embedding ODE)と呼ばれる解釈可能なグラフ学習フレームワークを導入する。このフレームワークは、構造的および効果的なネットワーク間の動的相互作用を捉えることを目的とした、特異的に設計されたノード埋め込み層を含んでいる。
論文参考訳（メタデータ） (2024-05-21T20:37:07Z)
A Demographic-Conditioned Variational Autoencoder for fMRI Distribution Sampling and Removal of Confounds [49.34500499203579]
変動型オートエンコーダ(VAE)ベースのモデルであるDemoVAEを作成し、人口統計学から fMRI の特徴を推定する。ユーザが供給する人口動態に基づいて,高品質な合成fMRIデータを生成する。
論文参考訳（メタデータ） (2024-05-13T17:49:20Z)
Synthetic location trajectory generation using categorical diffusion models [50.809683239937584]
拡散モデル(DPM)は急速に進化し、合成データのシミュレーションにおける主要な生成モデルの一つとなっている。本稿では,個人が訪れた物理的位置を表す変数列である合成個別位置軌跡(ILT)の生成にDPMを用いることを提案する。
論文参考訳（メタデータ） (2024-02-19T15:57:39Z)
A multi-stream convolutional neural network for classification of progressive MCI in Alzheimer's disease using structural MRI images [0.23633885460047763]
安定したMCIとプログレッシブMCIを分類するために,パッチベースの画像データを用いたマルチストリーム深層畳み込みニューラルネットワークを提案する。まず,アルツハイマー病のMRI画像と認知正常な被験者を比較し,解剖学的特徴を識別する。これらのランドマークは、MRI画像を分類するために提案されたマルチストリーム畳み込みニューラルネットワークに供給されるパッチを抽出するために使用される。
論文参考訳（メタデータ） (2022-03-03T15:14:13Z)
Efficient Learning and Decoding of the Continuous-Time Hidden Markov Model for Disease Progression Modeling [119.50438407358862]
本稿では,CT-HMMモデルに対する効率的なEMベースの学習手法の完全な特徴付けについて述べる。 EMに基づく学習は、後状態確率の推定と、状態条件付き統計量の計算という2つの課題から成り立っていることを示す。緑内障データセットとアルツハイマー病データセットを用いて,100以上の状態のCT-HMMを用いて疾患進行の可視化と予測を行う。
論文参考訳（メタデータ） (2021-10-26T20:06:05Z)
G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for Biomarker Identification and Disease Classification [49.53651166356737]
診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。 2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
論文参考訳（メタデータ） (2021-01-27T19:28:04Z)
Identification of brain states, transitions, and communities using functional MRI [0.5872014229110214]
ベイズモデルに基づく潜在脳状態のキャラクタリゼーションを提案し,後方予測の不一致に基づく新しい手法を提案する。タスク-fMRIデータの解析により得られた結果は、外部タスク要求と脳状態間の変化点の間の適切な遅延を示す。
論文参考訳（メタデータ） (2021-01-26T08:10:00Z)
Time-Resolved fMRI Shared Response Model using Gaussian Process Factor Analysis [19.237759421319957]
そこで我々は,S-GPFA(Shared Gaussian Process Factor Analysis)と呼ばれる新しいモデルを導入する。シミュレーションデータを用いて地中真理潜伏構造を明らかにする上で,本モデルの有効性を実証し,公開可能なRaiderおよびSherlockデータセット上での時間分割マッチングとオブジェクト間類似性の実験的性能を再現した。
論文参考訳（メタデータ） (2020-06-10T00:15:01Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。