論文の概要: Text2Brain: Synthesis of Brain Activation Maps from Free-form Text Query

• arxiv url: http://arxiv.org/abs/2109.13814v1
• Date: Tue, 28 Sep 2021 15:39:22 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-29 14:33:52.390025
• Title: Text2Brain: Synthesis of Brain Activation Maps from Free-form Text Query
• Title（参考訳）: Text2Brain:自由形式のテキストクエリによる脳活動マップの合成
• Authors: Gia H. Ngo and Minh Nguyen and Nancy F. Chen and Mert R. Sabuncu
• Abstract要約: Text2Brainは、ニューロイメージング研究の座標に基づくメタ分析のためのニューラルネットワークアプローチである。 我々は,Text2Brainが,自由形式のテキスト記述から解剖学的に解明可能なニューラルアクティベーションパターンを合成できることを実証した。
• 参考スコア（独自算出の注目度）: 28.26166305556377
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Most neuroimaging experiments are under-powered, limited by the number of subjects and cognitive processes that an individual study can investigate. Nonetheless, over decades of research, neuroscience has accumulated an extensive wealth of results. It remains a challenge to digest this growing knowledge base and obtain new insights since existing meta-analytic tools are limited to keyword queries. In this work, we propose Text2Brain, a neural network approach for coordinate-based meta-analysis of neuroimaging studies to synthesize brain activation maps from open-ended text queries. Combining a transformer-based text encoder and a 3D image generator, Text2Brain was trained on variable-length text snippets and their corresponding activation maps sampled from 13,000 published neuroimaging studies. We demonstrate that Text2Brain can synthesize anatomically-plausible neural activation patterns from free-form textual descriptions of cognitive concepts. Text2Brain is available at https://braininterpreter.com as a web-based tool for retrieving established priors and generating new hypotheses for neuroscience research.
• Abstract（参考訳）: ほとんどの神経画像実験は、被験者の数と個々の研究が調査できる認知過程によって制限され、力不足である。 それでも、神経科学は何十年にもわたって、膨大な成果を蓄積してきた。 既存のメタ分析ツールはキーワードクエリに限られているので、この成長する知識ベースを消化し、新たな洞察を得るのは難しい。 本研究では,オープンエンドテキストクエリから脳活性化マップを合成するために,脳画像研究の座標に基づくメタアナリシスのためのニューラルネットワークアプローチであるText2Brainを提案する。 トランスフォーマーベースのテキストエンコーダと3Dイメージジェネレータを組み合わせることで、Text2Brainは可変長テキストスニペットと、その対応するアクティベーションマップを13,000枚のニューロイメージング研究からサンプリングした。 認知概念のフリーフォームなテキスト記述から、text2brainが解剖学的に表現可能な神経活性化パターンを合成できることを実証する。 Text2Brain は https://braininterpreter.com で、確立した先行情報を検索し、神経科学研究の新しい仮説を生成するウェブベースのツールとして利用可能である。

関連論文リスト

• Brain-like Functional Organization within Large Language Models [58.93629121400745]
  人間の脳は長い間人工知能(AI)の追求にインスピレーションを与えてきた 最近のニューロイメージング研究は、人工ニューラルネットワーク(ANN)の計算的表現と、人間の脳の刺激に対する神経反応との整合性の説得力のある証拠を提供する。 本研究では、人工ニューロンのサブグループと機能的脳ネットワーク(FBN)を直接結合することで、このギャップを埋める。 このフレームワークはANサブグループをFBNにリンクし、大きな言語モデル(LLM)内で脳に似た機能的組織を記述できる。
  論文  参考訳（メタデータ） (2024-10-25T13:15:17Z)
• Decoding Linguistic Representations of Human Brain [21.090956290947275]
  テキスト形式と音声形式の両方を脳から言語へ復号する分類法を提案する。 この研究は、言語理解に焦点を当てた神経科学と深層学習に基づく脳復号という2つのタイプの研究を統合している。
  論文  参考訳（メタデータ） (2024-07-30T07:55:44Z)
• MindBridge: A Cross-Subject Brain Decoding Framework [60.58552697067837]
  脳の復号化は、獲得した脳信号から刺激を再構築することを目的としている。 現在、脳の復号化はモデルごとのオブジェクトごとのパラダイムに限られている。 我々は,1つのモデルのみを用いることで,オブジェクト間脳デコーディングを実現するMindBridgeを提案する。
  論文  参考訳（メタデータ） (2024-04-11T15:46:42Z)
• Chat2Brain: A Method for Mapping Open-Ended Semantic Queries to Brain Activation Maps [59.648646222905235]
  そこで本研究では,テキスト2画像モデルであるText2BrainにLLMを組み合わせ,セマンティッククエリを脳活性化マップにマッピングするChat2Brainを提案する。 テキストクエリのより複雑なタスクに対して、Chat2Brainが可塑性なニューラルアクティベーションパターンを合成できることを実証した。
  論文  参考訳（メタデータ） (2023-09-10T13:06:45Z)
• Deep Neural Networks and Brain Alignment: Brain Encoding and Decoding (Survey) [9.14580723964253]
  人工知能は人間の脳の秘密を解き放つことができるのか? 脳記録のパワーをタップすることでAIを強化することは可能か? 本調査は,ヒト脳記録研究と最先端認知神経科学データセットに焦点を当てた。
  論文  参考訳（メタデータ） (2023-07-17T06:54:36Z)
• Probing Brain Context-Sensitivity with Masked-Attention Generation [87.31930367845125]
  我々は、GPT-2変換器を用いて、一定量の文脈情報をキャプチャする単語埋め込みを生成する。 そして、自然主義的なテキストを聴く人間のfMRI脳活動を予測することができるかどうかを検証した。
  論文  参考訳（メタデータ） (2023-05-23T09:36:21Z)
• BrainBERT: Self-supervised representation learning for intracranial recordings [18.52962864519609]
  我々は、神経科学に現代的な表現学習アプローチをもたらす頭蓋内記録のための再利用可能な変換器BrainBERTを開発した。 NLPや音声認識と同様に、この変換器は複雑な概念を高い精度で、はるかに少ないデータで分類することができる。 将来的には、表現学習を使用することで、はるかに多くの概念がニューラル録音から切り離され、言語モデルがアンロックされた言語のように脳をアンロックする可能性がある。
  論文  参考訳（メタデータ） (2023-02-28T07:40:37Z)
• Constraints on the design of neuromorphic circuits set by the properties of neural population codes [61.15277741147157]
  脳内では、情報はコード化され、伝達され、行動を伝えるために使用される。 ニューロモルフィック回路は、脳内のニューロンの集団が使用するものと互換性のある方法で情報を符号化する必要がある。
  論文  参考訳（メタデータ） (2022-12-08T15:16:04Z)
• A Transformer-based Neural Language Model that Synthesizes Brain Activation Maps from Free-Form Text Queries [37.322245313730654]
  Text2Brainは、オープンエンドテキストクエリから脳活性化マップを合成するための使いやすいツールである。 Text2Brainは、トランスフォーマーベースのニューラルネットワーク言語モデルと、ニューロイメージング研究の座標ベースのメタ分析に基づいて構築された。
  論文  参考訳（メタデータ） (2022-07-24T09:15:03Z)

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。