論文の概要: DLpN: Single-Shell NODDI Using Deep Learner Estimated Isotropic Volume Fraction

• arxiv url: http://arxiv.org/abs/2102.02772v1
• Date: Tue, 2 Feb 2021 17:43:09 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-05 16:35:17.840935
• Title: DLpN: Single-Shell NODDI Using Deep Learner Estimated Isotropic Volume Fraction
• Title（参考訳）: DLpN: 深部学習者推定等方体積分率を用いた単層NODDI
• Authors: Abrar Faiyaz, Marvin Doyley, Giovanni Schifitto, Jianhui Zhong, Md Nasir Uddin
• Abstract要約: 単殻データを用いた頑健なNODDIパラメータマップを作成し、それ以前の等方体積分数(f_ISO)を用いた。 辞書に基づく深層学習手法を用いて,NODDIモデル制約から事前推定を行った。 以上の結果から,DLpNによる単一シェルプロトコルのNDIおよびODIパラメータは,従来のマルチシェルNODDIと同等であることが示唆された。
• 参考スコア（独自算出の注目度）: 0.3149883354098941
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Neurite orientation dispersion and density imaging (NODDI) enables assessment of intracellular, extracellular and free water signals from multi-shell diffusion MRI data. It is an insightful approach to characterize the brain tissue microstructure. Single-shell reconstruction for NODDI parameters has been discouraged in previous literature based on failure when fitting especially for the neurite density index (NDI). Here, we investigated the possibility to create robust NODDI parameter maps with single-shell data, using isotropic volume fraction (f_{ISO}) as prior. We made the prior estimation independent of NODDI model constraint using a dictionary based deep learning approach. First, we proposed a stochastic sparse dictionary-based network, DictNet in predicting f_{ISO} . In single-shell cases, fractional anisotropy (FA) and T2 signal without diffusion weighting ( S_0 ) were incorporated in the dictionary for f_{ISO} estimation. Then, NODDI framework was used in a prior setting to estimate the NDI and orientation dispersion index (ODI). Using both synthetic data simulation and human data collected on a 3T scanner, we compared the performance of our dictionary based deep learning prior NODDI (DLpN) with original NODDI method for both single-shell and multi-shell data. Our results suggest that DLpN derived NDI and ODI parameters for single-shell protocols are comparable with original multi-shell NODDI, and protocol with b=2000 s/mm 2 performs the best (error ~2% in white matter and ~4% in grey matter). This may allow NODDI evaluation of retrospective studies on single-shell data by additional scanning of two subjects for DictNet f_{ISO} training.
• Abstract（参考訳）: ニューライト配向分散・密度イメージング(NODDI)は,多層拡散MRIデータから細胞内,細胞外および遊離水信号の評価を可能にする。 脳組織の微細構造を特徴付けるための洞察力のあるアプローチです。 NODDIパラメータの単一殻再構成は、特にニューロライト密度指数(NDI)に適合する際の故障に基づいて、過去の文献では無視されている。 そこで本研究では, 以前に等方性体積分数 (f_{ISO}) を用いて, 単殻データを用いた堅牢なNODDIパラメータマップの作成の可能性を検討した。 辞書に基づく深層学習手法を用いて,NODDIモデル制約とは独立に事前推定を行った。 まず,f_{ISO} を予測するために,確率的スパース辞書ベースのネットワーク DictNet を提案する。 単殻の場合,f_{ISO}推定辞書には拡散重み付けのない分数異方性(FA)とT2信号(S_0)が組み込まれていた。 その後、NDIとオリエンテーション分散指数(ODI)を推定するために、NODDIフレームワークを事前設定で使用しました。 合成データシミュレーションと3Tスキャナーで収集した人的データを用いて, 辞書を用いた深層学習前のNODDI(DLpN)の性能を, 単殻データと多殻データの両方に対して元のNODDI法と比較した。 本研究では, DLpN 由来 NDI および ODI パラメータが単殻プロトコルのマルチシェル NODDI に匹敵し, b=2000 s/mm 2 のプロトコルが最高性能を発揮することを示唆した(ホワイトマターではエラー～2%,グレーマターでは4%程度)。 これにより、DictNet f_{ISO} トレーニングのための2つの被験者の追加スキャンによって、単殻データに関するレトロスペクティブ研究のNODDI評価が可能になる。

関連論文リスト

• RobNODDI: Robust NODDI Parameter Estimation with Adaptive Sampling under Continuous Representation [14.80661323868321]
  拡散磁気共鳴イメージング(dMRI)によるパラメータ推定 連続表現下での適応サンプリングを用いた頑健なNODDIパラメータ推定法(RobNODDI)を提案する。 実験結果から,RobNODDIはディープラーニングモデルの一般化性能とロバスト性を向上させることが示唆された。
  論文  参考訳（メタデータ） (2024-08-04T07:04:59Z)
• UniDepth: Universal Monocular Metric Depth Estimation [81.80512457953903]
  ドメインをまたいだ単一の画像からメートル法3Dシーンを再構成できる新しいモデルUniDepthを提案する。 我々のモデルは擬似球面出力表現を利用しており、カメラと奥行きの表現を歪めている。 ゼロショット方式における10のデータセットの詳細な評価は、一貫してUniDepthの優れた性能を示している。
  論文  参考訳（メタデータ） (2024-03-27T18:06:31Z)
• Differentiable Dictionary Search: Integrating Linear Mixing with Deep Non-Linear Modelling for Audio Source Separation [8.680081568962997]
  本稿では,DDS (diffari Dictionary Search) という名で最近開発した信号分解法の改良について述べる。 基本的な考え方は、正規化フローと呼ばれる強力な非可逆密度推定器のクラスを利用して、NMFのような線形分解法で辞書をモデル化することである。 最初の定式化はいくつかの実用的な制限を伴う概念実証であり、拡張性を示すためのいくつかのステップを提示します。
  論文  参考訳（メタデータ） (2022-11-28T16:37:02Z)
• Self-distillation with Online Diffusion on Batch Manifolds Improves Deep Metric Learning [23.974500845619175]
  DMLのためのオンラインバッチ拡散に基づく自己蒸留(OBD-SD)を提案する。 まず, モデル自体から知識を段階的に蒸留する, 単純だが効果的なプログレッシブ自己蒸留法を提案する。 次に, PSD を Online Batch Diffusion Process (OBDP) で拡張し, 各バッチにおける多様体の局所的幾何学的構造を捉える。
  論文  参考訳（メタデータ） (2022-11-14T17:38:07Z)
• Neural Implicit Dictionary via Mixture-of-Expert Training [111.08941206369508]
  ニューラルインシシット辞書(NID)を学習することで、データとトレーニング効率の両方を達成する汎用INRフレームワークを提案する。 我々のNIDは、所望の関数空間にまたがるように調整された座標ベースのImpworksのグループを組み立てる。 実験の結果,NIDは最大98%の入力データで2次元画像や3次元シーンの再現を2桁高速化できることがわかった。
  論文  参考訳（メタデータ） (2022-07-08T05:07:19Z)
• Improving Robustness and Uncertainty Modelling in Neural Ordinary Differential Equations [0.2538209532048866]
  本研究では,NODE における不確実性をモデル化するための新しい手法を提案する。 また、各データポイントが終末時間に異なる後続分布を持つことができる適応遅延時間NODE(ALT-NODE)を提案する。 本研究では,合成画像と実世界の画像分類データを用いた実験により,不確実性とロバスト性をモデル化する手法の有効性を実証する。
  論文  参考訳（メタデータ） (2021-12-23T16:56:10Z)
• Deep Deterministic Uncertainty for Semantic Segmentation [97.89295891304394]
  我々は、Deep Deterministic Uncertainity (DDU) をセマンティックセグメンテーションに拡張する。 DDU は MC Dropout と Deep Ensembles を高速化し,計算速度は大幅に向上した。
  論文  参考訳（メタデータ） (2021-10-29T20:45:58Z)
• NeuralDP Differentially private neural networks by design [61.675604648670095]
  ニューラルネットワーク内のいくつかの層の活性化を民営化する手法であるNeuralDPを提案する。 本研究では,DP-SGDと比較して,プライバシーとユーティリティのトレードオフを大幅に改善した2つのデータセットを実験的に検証した。
  論文  参考訳（メタデータ） (2021-07-30T12:40:19Z)
• Meta-Learning for Relative Density-Ratio Estimation [59.75321498170363]
  相対密度比推定(DRE)の既存の方法は、両方の密度から多くのインスタンスを必要とする。 本稿では,関係データセットの知識を用いて,相対密度比を数例から推定する,相対DREのメタラーニング手法を提案する。 提案手法の有効性を,相対的DRE,データセット比較,外乱検出の3つの問題を用いて実証的に実証した。
  論文  参考訳（メタデータ） (2021-07-02T02:13:45Z)
• AttentionDDI: Siamese Attention-based Deep Learning method for drug-drug interaction predictions [0.9176056742068811]
  薬物と薬物の相互作用(DDIs)は、2つ以上の薬物の投与によって引き起こされるプロセスを指し、薬物が自分自身によって投与されるときに観察されるものを超える副作用をもたらす。 大量の薬物対が存在するため、すべての組み合わせを実験的にテストし、以前は観測されていなかった副作用を発見することはほとんど不可能である。 本稿では,複数の薬物類似度尺度を統合するddi予測のためのsiamese self-attention multi-modal neural networkを提案する。
  論文  参考訳（メタデータ） (2020-12-24T13:33:07Z)
• Generalized ODIN: Detecting Out-of-distribution Image without Learning from Out-of-distribution Data [87.61504710345528]
  我々は,OoD検出性能を改善しつつ,ニューラルネットワークをOoDデータのチューニングから解放する2つの方法を提案する。 具体的には、信頼性スコアリングと修正された入力前処理法を分離することを提案する。 大規模画像データセットのさらなる解析により、セマンティックシフトと非セマンティックシフトの2種類の分布シフトが有意な差を示すことが示された。
  論文  参考訳（メタデータ） (2020-02-26T04:18:25Z)

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。