論文の概要: Structural Connectome Atlas Construction in the Space of Riemannian
Metrics
- arxiv url: http://arxiv.org/abs/2103.05730v1
- Date: Tue, 9 Mar 2021 21:46:02 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-11 14:56:13.738569
- Title: Structural Connectome Atlas Construction in the Space of Riemannian
Metrics
- Title（参考訳）: リーマン計量空間における構造コネクトームアトラスの構築
- Authors: Kristen M. Campbell (1), Haocheng Dai (1), Zhe Su (2), Martin Bauer
(3), P. Thomas Fletcher (4), Sarang C. Joshi (1 and 5) ((1) Scientific
Computing and Imaging Institute, University of Utah, (2) Department of
Neurology, University of California Los Angeles, (3) Department of
Mathematics, Florida State University, (4) Electrical & Computer Engineering,
University of Virginia, (5) Department of Bioengineering, University of Utah)
- Abstract要約: 無限次元多様体内の点としてのコネクトームをebin計量を用いて解析する。
我々は,Human Connectome Projectのサブセットから推定された拡散テンソルから導かれるコネクトームの登録とアトラス形成を実証した。
- 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 structural connectome is often represented by fiber bundles generated
from various types of tractography. We propose a method of analyzing
connectomes by representing them as a Riemannian metric, thereby viewing them
as points in an infinite-dimensional manifold. After equipping this space with
a natural metric structure, the Ebin metric, we apply object-oriented
statistical analysis to define an atlas as the Fr\'echet mean of a population
of Riemannian metrics. We demonstrate connectome registration and atlas
formation using connectomes derived from diffusion tensors estimated from a
subset of subjects from the Human Connectome Project.
- Abstract（参考訳）: 構造コネクトームは、しばしば様々なタイプのトラクトグラフィーから生成された繊維束によって表される。
そこで,コネクトームをリーマン計量として解析し,無限次元多様体の点として捉える手法を提案する。
この空間に自然計量構造 ebin 計量を具備した後、アトラスをリーマン計量の集団のfr\'echet平均として定義するためにオブジェクト指向の統計解析を適用する。
我々は,Human Connectome Projectのサブセットから推定された拡散テンソルから導かれるコネクトームの登録とアトラス形成を実証した。
関連論文リスト
- Sigma Flows for Image and Data Labeling and Learning Structured Prediction [2.4699742392289]
本稿では,リーマン多様体上で観測されたデータの構造化ラベル付け予測のためのシグマフローモデルを提案する。
このアプローチは、約25年前にSochen、Kimmel、Malladiが導入したイメージデノナイズとエンハンスメントのためのLaplace-Beltramiフレームワークと、著者らが導入し研究した代入フローアプローチを組み合わせたものだ。
論文 参考訳（メタデータ） (2024-08-28T17:04:56Z) - Product Geometries on Cholesky Manifolds with Applications to SPD Manifolds [65.04845593770727]
シンメトリー正定値(SPD)多様体上の2つの新しい測度をコレスキー多様体を通して提示する。
私たちのメトリクスは使いやすく、計算効率が良く、数値的に安定しています。
論文 参考訳（メタデータ） (2024-07-02T18:46:13Z) - Improving embedding of graphs with missing data by soft manifolds [51.425411400683565]
グラフ埋め込みの信頼性は、連続空間の幾何がグラフ構造とどの程度一致しているかに依存する。
我々は、この問題を解決することができる、ソフト多様体と呼ばれる新しい多様体のクラスを導入する。
グラフ埋め込みにソフト多様体を用いることで、複雑なデータセット上のデータ解析における任意のタスクを追求するための連続空間を提供できる。
論文 参考訳（メタデータ） (2023-11-29T12:48:33Z) - The Fisher-Rao geometry of CES distributions [50.50897590847961]
Fisher-Rao情報幾何学は、ツールを微分幾何学から活用することができる。
楕円分布の枠組みにおけるこれらの幾何学的ツールの実用的利用について述べる。
論文 参考訳（メタデータ） (2023-10-02T09:23:32Z) - A singular Riemannian geometry approach to Deep Neural Networks I.
Theoretical foundations [77.86290991564829]
ディープニューラルネットワークは、音声認識、機械翻訳、画像解析など、いくつかの科学領域で複雑な問題を解決するために広く使われている。
我々は、リーマン計量を備えた列の最後の多様体で、多様体間の写像の特定の列を研究する。
このようなシーケンスのマップの理論的性質について検討し、最終的に実践的な関心を持つニューラルネットワークの実装間のマップのケースに焦点を当てる。
論文 参考訳（メタデータ） (2021-12-17T11:43:30Z) - Integrated Construction of Multimodal Atlases with Structural
Connectomes in the Space of Riemannian Metrics [9.067368638784355]
構造コネクトームは無限次元多様体上の点として表現できることを示す。
次に、このフレームワークをオブジェクト指向統計分析に適用してアトラスを定義する。
対象のサブセットから推定した拡散テンソルから得られたT1画像とコネクトームを用いた3次元マルチモーダルアトラスの例を構築した。
論文 参考訳（メタデータ） (2021-09-20T19:39:10Z) - 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) - Operator-valued formulas for Riemannian Gradient and Hessian and
families of tractable metrics [0.0]
非コンスタント距離関数を持つ内積空間に埋め込まれた多様体の商式を提供する。
多様体最適化や機械学習で使用できる潜在的なメトリクスのリストを拡張します。
論文 参考訳（メタデータ） (2020-09-21T20:15:57Z) - Geometry of Similarity Comparisons [51.552779977889045]
空間形式の順序容量は、その次元と曲率の符号に関係していることを示す。
さらに重要なことは、類似性グラフ上で定義された順序拡散確率変数の統計的挙動が、その基礎となる空間形式を特定するのに利用できることである。
論文 参考訳（メタデータ） (2020-06-17T13:37:42Z)
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。