論文の概要: Learning Robust Hierarchical Patterns of Human Brain across Many fMRI
Studies
- arxiv url: http://arxiv.org/abs/2105.06535v1
- Date: Thu, 13 May 2021 20:10:00 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-18 01:50:11.748082
- Title: Learning Robust Hierarchical Patterns of Human Brain across Many fMRI
Studies
- Title（参考訳）: 多くのfMRI研究における脳のロバストな階層パターンの学習
- Authors: Dushyant Sahoo, Christos Davatzikos
- Abstract要約: 安静時fMRIは、様々な疾患の分析にサロゲートバイオマーカーを提供することが示されている。
バイオマーカーの統計力と脳の理解メカニズムを改善するために、マルチセンター研究のプールがますます普及しています。
しかし、複数のサイトからデータをプールすることは、ハードウェア、ソフトウェア、環境によるバリエーションをもたらす。
- 参考スコア（独自算出の注目度）: 2.451910407959205
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Resting-state fMRI has been shown to provide surrogate biomarkers for the
analysis of various diseases. In addition, fMRI data helps in understanding the
brain's functional working during resting state and task-induced activity. To
improve the statistical power of biomarkers and the understanding mechanism of
the brain, pooling of multi-center studies has become increasingly popular. But
pooling the data from multiple sites introduces variations due to hardware,
software, and environment. In this paper, we look at the estimation problem of
hierarchical Sparsity Connectivity Patterns (hSCPs) in fMRI data acquired on
multiple sites. We introduce a simple yet effective matrix factorization based
formulation to reduce site-related effects while preserving biologically
relevant variations. We leverage adversarial learning in the unsupervised
regime to improve the reproducibility of the components. Experiments on
simulated datasets display that the proposed method can estimate components
with improved accuracy and reproducibility. We also demonstrate the improved
reproducibility of the components while preserving age-related variation on a
real dataset compiled from multiple sites.
- Abstract（参考訳）: 静止状態fMRIは、様々な疾患の分析のための代理バイオマーカーを提供する。
さらに、fMRIデータは、休息状態とタスク誘発活動中の脳の機能的働きを理解するのに役立つ。
バイオマーカーの統計力と脳の理解メカニズムを改善するため、多施設研究のプール化が盛んに行われている。
しかし、複数のサイトからデータをプールすることは、ハードウェア、ソフトウェア、環境によるバリエーションをもたらす。
本稿では,複数のサイトで取得したfMRIデータにおける階層的疎結合パターン(hSCP)の推定問題について考察する。
本稿では,生体関連変異を保ちつつ,サイト関連効果を低減できる簡易かつ効果的なマトリックス因子化に基づく定式化を提案する。
我々は,教師なし体制における敵学習を活用し,コンポーネントの再現性を向上させる。
シミュレーションデータセットの実験により,提案手法は精度と再現性を向上したコンポーネントを推定できることを示した。
また,複数のサイトから収集した実際のデータセットの年齢変化を保存しながら,部品の再現性の向上を実証した。
関連論文リスト
- Classification of Mild Cognitive Impairment Based on Dynamic Functional Connectivity Using Spatio-Temporal Transformer [30.044545011553172]
本稿では,dFC内における空間情報と時間情報の両方の埋め込みを共同で学習する新しい枠組みを提案する。
アルツハイマー病神経画像イニシアチブ(ADNI)から570回のスキャンを行った345名の被験者を対象に,提案手法の優位性を実証した。
論文 参考訳（メタデータ） (2025-01-27T18:20:33Z) - MVICAD2: Multi-View Independent Component Analysis with Delays and Dilations [61.59658203704757]
本稿では,時間的遅延と拡張の両面において,被験者間でソースを異にするMVICAD(Multi-View Independent Component Analysis with Delays and Dilations)を提案する。
本稿では, 正則化と最適化手法を用いて, 性能向上を図るため, 正則化と最適化手法を用いて, その可能性の近似を導出する。
論文 参考訳（メタデータ） (2025-01-13T15:47:02Z) - Biological Brain Age Estimation using Sex-Aware Adversarial Variational Autoencoder with Multimodal Neuroimages [8.610253537046692]
性対応性差型自動エンコーダ(SA-AVAE)を用いた脳年齢推定のための新しい枠組みを提案する。
我々は、潜在空間をモダリティ固有のコードと共有コードに分解し、モダリティの相補的および共通的な情報を表す。
我々は、学習した潜伏コードに性情報を組み込んで、モデルが脳年齢推定のために性固有の老化パターンをキャプチャすることを可能にする。
論文 参考訳（メタデータ） (2024-12-07T12:10:29Z) - Predicting Parkinson's disease trajectory using clinical and functional MRI features: a reproduction and replication study [1.621204680136386]
パーキンソン病(英: Parkinson's disease,PD)は、神経変性疾患の1つで、病態がよく分かっておらず、早期の診断や疾患進行の予測に確立されたバイオマーカーがない。
いくつかの神経イメージングバイオマーカーが最近研究されているが、これらはコホート選択や画像解析など、いくつかの変数源に影響を受けやすい。
この研究は、PDの潜在的な神経イメージングバイオマーカーの複製可能性を研究する大規模なプロジェクトの一部である。
論文 参考訳（メタデータ） (2024-02-20T13:42:50Z) - fMRI-PTE: A Large-scale fMRI Pretrained Transformer Encoder for
Multi-Subject Brain Activity Decoding [54.17776744076334]
本稿では,fMRI事前学習のための革新的オートエンコーダであるfMRI-PTEを提案する。
我々のアプローチでは、fMRI信号を統合された2次元表現に変換し、次元の整合性を確保し、脳の活動パターンを保存する。
コントリビューションには、fMRI-PTEの導入、革新的なデータ変換、効率的なトレーニング、新しい学習戦略、そして我々のアプローチの普遍的な適用性が含まれる。
論文 参考訳（メタデータ） (2023-11-01T07:24:22Z) - Source-Free Collaborative Domain Adaptation via Multi-Perspective
Feature Enrichment for Functional MRI Analysis [55.03872260158717]
安静時MRI機能(rs-fMRI)は、神経疾患の分析を助けるために多地点で研究されている。
ソース領域とターゲット領域の間のfMRIの不均一性を低減するための多くの手法が提案されている。
しかし、マルチサイト研究における懸念やデータストレージの負担のため、ソースデータの取得は困難である。
我々は、fMRI解析のためのソースフリー協調ドメイン適応フレームワークを設計し、事前訓練されたソースモデルとラベルなしターゲットデータのみにアクセスできるようにする。
論文 参考訳（メタデータ） (2023-08-24T01:30:18Z) - Robust Hierarchical Patterns for identifying MDD patients: A Multisite
Study [3.4561220135252264]
大うつ病(MDD)のバイオマーカーとしての階層的スパース接続パターン(h SCP)について検討する。
我々は、静止状態fMRIデータから抽出した機能的接続行列からMDD患者を予測するためのh SCPに基づく新しいモデルを提案する。
本研究の結果は,多様性が予測性能に与える影響を示し,多様性を低減し,コンポーネントの予測・一般化能力を向上させることができる。
論文 参考訳（メタデータ） (2022-02-22T19:40:32Z) - Extraction of Hierarchical Functional Connectivity Components in human
brain using Adversarial Learning [2.451910407959205]
スカンナー間変異やその他の結合因子は、機能的に解釈可能な脳ネットワークのロバストな推定に挑戦する。
本稿は,人間の脳における解釈可能な階層パターンをrsfmriデータを用いて推定することを目的とした。
論文 参考訳（メタデータ） (2021-04-20T21:38:55Z) - Multi-institutional Collaborations for Improving Deep Learning-based
Magnetic Resonance Image Reconstruction Using Federated Learning [62.17532253489087]
深層学習法はmr画像再構成において優れた性能をもたらすことが示されている。
これらの方法は、高い取得コストと医療データプライバシー規制のために収集および共有が困難である大量のデータを必要とします。
我々は,異なる施設で利用可能なmrデータを活用し,患者のプライバシーを保ちながら,連合学習(fl)ベースのソリューションを提案する。
論文 参考訳（メタデータ） (2021-03-03T03:04:40Z) - Modeling Shared Responses in Neuroimaging Studies through MultiView ICA [94.31804763196116]
被験者の大規模なコホートを含むグループ研究は、脳機能組織に関する一般的な結論を引き出す上で重要である。
グループ研究のための新しい多視点独立成分分析モデルを提案し、各被験者のデータを共有独立音源と雑音の線形結合としてモデル化する。
まず、fMRIデータを用いて、被験者間の共通音源の同定における感度の向上を示す。
論文 参考訳（メタデータ） (2020-06-11T17:29:53Z) - MS-Net: Multi-Site Network for Improving Prostate Segmentation with
Heterogeneous MRI Data [75.73881040581767]
本稿では,ロバスト表現を学習し,前立腺のセグメンテーションを改善するための新しいマルチサイトネットワーク(MS-Net)を提案する。
当社のMS-Netは,すべてのデータセットのパフォーマンスを一貫して改善し,マルチサイト学習における最先端の手法よりも優れています。
論文 参考訳（メタデータ） (2020-02-09T14:11:50Z)
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。