論文の概要: Temporal Dynamic Model for Resting State fMRI Data: A Neural Ordinary Differential Equation approach

• arxiv url: http://arxiv.org/abs/2011.08146v1
• Date: Mon, 16 Nov 2020 18:16:19 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-25 01:18:50.062642
• Title: Temporal Dynamic Model for Resting State fMRI Data: A Neural Ordinary Differential Equation approach
• Title（参考訳）: 静止状態fmriデータのための時間力学モデル--神経常微分方程式によるアプローチ
• Authors: Zheyu Wen
• Abstract要約: 本研究の目的は, 静止状態機能型磁気共鳴イメージング(fMRI)軌道の時間的動的モデルを提供することである。 そこで我々は、表現学習とニューラル正規微分方程式(Neural Ordinary Differential Equation,Neural ODE)を利用して、fMRI画像データを潜在表現に圧縮し、微分方程式に従って軌跡を予測するモデルを考案した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The objective of this paper is to provide a temporal dynamic model for resting state functional Magnetic Resonance Imaging (fMRI) trajectory to predict future brain images based on the given sequence. To this end, we came up with the model that takes advantage of representation learning and Neural Ordinary Differential Equation (Neural ODE) to compress the fMRI image data into latent representation and learn to predict the trajectory following differential equation. Latent space was analyzed by Gaussian Mixture Model. The learned fMRI trajectory embedding can be used to explain the variance of the trajectory and predict human traits for each subject. This method achieves average 0.5 spatial correlation for the whole predicted trajectory, and provide trained ODE parameter for further analysis.
• Abstract（参考訳）: 本研究の目的は, 静止状態機能型磁気共鳴画像(fmri)軌道の時間的動的モデルを提供することであり, 与えられたシーケンスに基づいて将来の脳画像を予測することである。 そこで我々は,表現学習と神経常微分方程式(neural ordinary differential equation,neural ode)を利用して,fmri画像データを潜在表現に圧縮し,微分方程式に従う軌道を予測するモデルを開発した。 潜在空間はガウス混合モデルにより解析された。 学習されたfMRI軌跡埋め込みは、軌跡のばらつきを説明し、各被験者の人間の特性を予測するのに利用できる。 本手法は,予測軌道全体の平均0.5空間相関を達成し,さらに解析を行うための訓練されたODEパラメータを提供する。

関連論文リスト

• Data-driven discovery of mechanical models directly from MRI spectral data [0.0]
  実験により得られたMRIスペクトルデータから動的モデルのデータ駆動的発見のための再構成フレームワークを提案する。 提案手法は,非線形ダイナミクスのスパース同定(SINDy)を用いた解釈可能モデルのデータ駆動探索と組み合わせたものである。 臨床MRIスキャナーに収集した動的ファントムのスペクトルデータを用いて,本法の有効性を検証した。
  論文  参考訳（メタデータ） (2024-11-11T13:05:29Z)
• Latent Space Energy-based Neural ODEs [73.01344439786524]
  本稿では,連続時間シーケンスデータを表現するために設計された深部力学モデルの新しいファミリを紹介する。 マルコフ連鎖モンテカルロの最大推定値を用いてモデルを訓練する。 発振システム、ビデオ、実世界の状態シーケンス(MuJoCo)の実験は、学習可能なエネルギーベース以前のODEが既存のものより優れていることを示している。
  論文  参考訳（メタデータ） (2024-09-05T18:14:22Z)
• Neural Ordinary Differential Equation based Sequential Image Registration for Dynamic Characterization [13.492983263194636]
  この拡張研究は、このフレームワークがシーケンシャルな生物学的プロセスのキャラクタリゼーションにどのように役立つかを論じる。 我々の枠組みは、ボクセルを力学系の粒子とみなし、ニューラル微分方程式の積分による変形場を定義する。 心臓運動追跡用と経時的脳MRI画像解析用の2つの臨床データセットについて検討した。
  論文  参考訳（メタデータ） (2024-04-02T17:04:45Z)
• Equivariant Graph Neural Operator for Modeling 3D Dynamics [148.98826858078556]
  我々は,次のステップの予測ではなく,ダイナミックスを直接トラジェクトリとしてモデル化するために,Equivariant Graph Neural Operator (EGNO)を提案する。 EGNOは3次元力学の時間的進化を明示的に学習し、時間とともに関数として力学を定式化し、それを近似するためにニューラル演算子を学習する。 粒子シミュレーション、人間のモーションキャプチャー、分子動力学を含む複数の領域における総合的な実験は、既存の手法と比較して、EGNOの極めて優れた性能を示す。
  論文  参考訳（メタデータ） (2024-01-19T21:50:32Z)
• Neural Spherical Harmonics for structurally coherent continuous representation of diffusion MRI signal [0.3277163122167433]
  本稿では,ヒト脳の構造的コヒーレンスから恩恵を受ける拡散磁気共鳴画像(dMRI)データセットをモデル化する方法を提案する。 現在の方法では、個々のボクセルのdMRI信号をモデル化し、現在存在するボクセルのコヒーレンスを無視している。 我々は、ニューラルネットワークを用いて、Human Connectome Projectデータセットから1つの対象のdMRI信号を表現するために、球面調和系列をパラメータ化する。
  論文  参考訳（メタデータ） (2023-08-16T08:28:01Z)
• Capturing dynamical correlations using implicit neural representations [85.66456606776552]
  実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。 そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
  論文  参考訳（メタデータ） (2023-04-08T07:55:36Z)
• Mixed Effects Neural ODE: A Variational Approximation for Analyzing the Dynamics of Panel Data [50.23363975709122]
  パネルデータ解析に(固定・ランダムな)混合効果を取り入れたME-NODEという確率モデルを提案する。 我々は、Wong-Zakai定理によって提供されるSDEの滑らかな近似を用いて、我々のモデルを導出できることを示す。 次に、ME-NODEのためのエビデンスに基づく下界を導出し、(効率的な)トレーニングアルゴリズムを開発する。
  論文  参考訳（メタデータ） (2022-02-18T22:41:51Z)
• Moment evolution equations and moment matching for stochastic image EPDiff [68.97335984455059]
  画像変形モデルにより、画像領域を変形させることにより、時間連続的な画像変換の研究が可能になる。 応用例としては、人口傾向とランダムな被写体特定変異の両方を用いた医療画像分析がある。 パラメータフルモデルにおける統計的推測のための推定器を構築するために、対応する伊藤拡散のモーメント近似を用いる。
  論文  参考訳（メタデータ） (2021-10-07T11:08:11Z)
• Latent linear dynamics in spatiotemporal medical data [0.0]
  逐次的画像のみに基づいて,システムの基盤となるダイナミクスを識別する教師なしモデルを提案する。 モデルは、入力を隠れ状態過程と観察された潜伏過程の間に線形関係が保たれる低次元潜伏空間にマッピングする。 システムダイナミクスの知識は、デノイジング、欠落値のインプテーション、将来の画像フレームの補間を可能にする。
  論文  参考訳（メタデータ） (2021-03-01T11:42:21Z)
• Stochasticity in Neural ODEs: An Empirical Study [68.8204255655161]
  ニューラルネットワークの正規化(ドロップアウトなど)は、より高度な一般化を可能にするディープラーニングの広範な技術である。 トレーニング中のデータ拡張は、同じモデルの決定論的およびバージョンの両方のパフォーマンスを向上させることを示す。 しかし、データ拡張によって得られる改善により、経験的正規化の利得は完全に排除され、ニューラルODEとニューラルSDEの性能は無視される。
  論文  参考訳（メタデータ） (2020-02-22T22:12:56Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。