論文の概要: Equivariant Spherical Deconvolution: Learning Sparse Orientation Distribution Functions from Spherical Data

• arxiv url: http://arxiv.org/abs/2102.09462v1
• Date: Wed, 17 Feb 2021 16:04:35 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-19 14:22:58.205391
• Title: Equivariant Spherical Deconvolution: Learning Sparse Orientation Distribution Functions from Spherical Data
• Title（参考訳）: 等変球面デコンボリューション:球面データから学習の分離配向分布関数
• Authors: Axel Elaldi, Neel Dey, Heejong Kim, Guido Gerig
• Abstract要約: 本稿では,単位球面上で定義される非負スカラー場のスパースデコンボリューションのための回転等価非監視学習フレームワークを提案する。 人体のマルチシェルデータセットにおけるトラクトグラフィーと部分体積推定の改善について述べる。
• 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: We present a rotation-equivariant unsupervised learning framework for the sparse deconvolution of non-negative scalar fields defined on the unit sphere. Spherical signals with multiple peaks naturally arise in Diffusion MRI (dMRI), where each voxel consists of one or more signal sources corresponding to anisotropic tissue structure such as white matter. Due to spatial and spectral partial voluming, clinically-feasible dMRI struggles to resolve crossing-fiber white matter configurations, leading to extensive development in spherical deconvolution methodology to recover underlying fiber directions. However, these methods are typically linear and struggle with small crossing-angles and partial volume fraction estimation. In this work, we improve on current methodologies by nonlinearly estimating fiber structures via unsupervised spherical convolutional networks with guaranteed equivariance to spherical rotation. Experimentally, we first validate our proposition via extensive single and multi-shell synthetic benchmarks demonstrating competitive performance against common baselines. We then show improved downstream performance on fiber tractography measures on the Tractometer benchmark dataset. Finally, we show downstream improvements in terms of tractography and partial volume estimation on a multi-shell dataset of human subjects.
• Abstract（参考訳）: 本稿では,単位球面上で定義される非負スカラー場のスパースデコンボリューションのための回転等価非監視学習フレームワークを提案する。 複数のピークを持つ球状信号はDiffusion MRI(dMRI)で自然発生し、それぞれのボクセルは白色物質のような異方性組織構造に対応する1つ以上の信号源から構成される。 空間的およびスペクトル的な部分的揮発のために、臨床的に実現可能なdMRIは、クロスファイバーホワイトマター構成を解決するのに苦労し、基礎となるファイバー方向を回復する球状脱コンボリューション方法論の広範な発展をもたらす。 しかし、これらの方法は典型的には線形であり、小さな交叉角と部分体積分数の推定に苦しむ。 本研究では,非監視球面畳み込みネットワークを用いて非線形に繊維構造を推定し,球面回転と等価性を保証した現在の手法を改善する。 実験により,本提案は,一般的なベースラインに対する競合性能を実証する広範なシングルシェルおよびマルチシェル合成ベンチマークを用いて検証した。 次に、トラクトメーターベンチマークデータセットを用いて、繊維トラクトグラフィー測定における下流性能の改善を示す。 最後に,人体のマルチシェルデータセットを用いたトラクトグラフィーと部分体積推定による下流改善について述べる。

関連論文リスト

• Learning Spatially-Continuous Fiber Orientation Functions [1.4504054468850665]
  低分解能拡散強調画像から空間連続繊維配向密度関数を学習するFENRIを提案する。 我々はFENRIが現実的な低品質データから高分解能繊維配向を正確に予測できることを実証した。
  論文  参考訳（メタデータ） (2023-12-10T01:28:47Z)
• Gradient-Based Feature Learning under Structured Data [57.76552698981579]
  異方性設定では、一般的に使用される球面勾配力学は真の方向を回復できないことがある。 バッチ正規化を連想させる適切な重み正規化は、この問題を軽減することができることを示す。 特に、スパイクモデルの下では、勾配に基づくトレーニングのサンプルの複雑さは情報指数とは独立にできる。
  論文  参考訳（メタデータ） (2023-09-07T16:55:50Z)
• Bundle-specific Tractogram Distribution Estimation Using Higher-order Streamline Differential Equation [15.371246200911651]
  本稿では,バンドル固有のトラクトグラム分布関数に基づく新しいトラクトグラフィー手法を提案する。 ファイバーバンドルを記述するために、高階のストリームライン微分方程式に対する統一的なフレームワークが提示される。 グローバルレベルでは,バンドル固有トラクトグラム分布(BTD)係数の推定として,トラクトグラフィー処理を単純化する。
  論文  参考訳（メタデータ） (2023-07-06T07:45:31Z)
• $E(3) \times SO(3)$-Equivariant Networks for Spherical Deconvolution in Diffusion MRI [4.726777092009554]
  本稿では,各ボクセルが球面信号を含むボリュームのスパースデコンボリューションの枠組みを提案する。 この研究は、空間回転、反射、翻訳の対称性に関する同変深層を構成する。
  論文  参考訳（メタデータ） (2023-04-12T18:37:32Z)
• VTAE: Variational Transformer Autoencoder with Manifolds Learning [144.0546653941249]
  深層生成モデルは、多くの潜伏変数を通して非線形データ分布の学習に成功している。 ジェネレータの非線形性は、潜在空間がデータ空間の不満足な射影を示し、表現学習が不十分になることを意味する。 本研究では、測地学と正確な計算により、深部生成モデルの性能を大幅に向上させることができることを示す。
  論文  参考訳（メタデータ） (2023-04-03T13:13:19Z)
• Decomposed Diffusion Sampler for Accelerating Large-Scale Inverse Problems [64.29491112653905]
  本稿では, 拡散サンプリング法とクリロフ部分空間法を相乗的に組み合わせた, 新規で効率的な拡散サンプリング手法を提案する。 具体的には、ツイーディの公式による分母化標本における接空間がクリロフ部分空間を成すならば、その分母化データによるCGは、接空間におけるデータの整合性更新を確実に維持する。 提案手法は,従来の最先端手法よりも80倍以上高速な推論時間を実現する。
  論文  参考訳（メタデータ） (2023-03-10T07:42:49Z)
• Learning Discretized Neural Networks under Ricci Flow [51.36292559262042]
  低精度重みとアクティベーションからなる離散ニューラルネットワーク(DNN)について検討する。 DNNは、訓練中に微分不可能な離散関数のために無限あるいはゼロの勾配に悩まされる。
  論文  参考訳（メタデータ） (2023-02-07T10:51:53Z)
• Geometric Scattering on Measure Spaces [12.0756034112778]
  測度空間上での幾何散乱の一般統一モデルを導入する。 未知多様体をランダムにサンプリングして得られる有限測度空間を考える。 本稿では, 関連するグラフ散乱変換が基礎多様体上の散乱変換を近似するデータ駆動グラフを構築するための2つの方法を提案する。
  論文  参考訳（メタデータ） (2022-08-17T22:40:09Z)
• How can spherical CNNs benefit ML-based diffusion MRI parameter estimation? [2.4417196796959906]
  球状畳み込みニューラルネットワーク(S-CNN)は、従来の完全連結ネットワーク(FCN)に対して明確な優位性を提供する 拡散強調画像(DWI)のみからなるdMRIデータを取得する現況
  論文  参考訳（メタデータ） (2022-07-01T17:49:26Z)
• On the Effective Number of Linear Regions in Shallow Univariate ReLU Networks: Convergence Guarantees and Implicit Bias [50.84569563188485]
  我々は、ラベルが$r$のニューロンを持つターゲットネットワークの符号によって決定されるとき、勾配流が方向収束することを示す。 我々の結果は、標本サイズによらず、幅が$tildemathcalO(r)$である、緩やかなオーバーパラメータ化をすでに維持しているかもしれない。
  論文  参考訳（メタデータ） (2022-05-18T16:57:10Z)
• A Unifying and Canonical Description of Measure-Preserving Diffusions [60.59592461429012]
  ユークリッド空間における測度保存拡散の完全なレシピは、最近、いくつかのMCMCアルゴリズムを単一のフレームワークに統合した。 我々は、この構成を任意の多様体に改善し一般化する幾何学理論を開発する。
  論文  参考訳（メタデータ） (2021-05-06T17:36:55Z)

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。