Fugu-MT 論文翻訳(概要): The Neural Correlates of Image Texture in the Human Vision Using Magnetoencephalography

論文の概要: The Neural Correlates of Image Texture in the Human Vision Using Magnetoencephalography

arxiv url: http://arxiv.org/abs/2111.09118v1
Date: Tue, 16 Nov 2021 01:09:51 GMT
ステータス: 処理完了
システム内更新日: 2021-11-19 03:36:11.845556
Title: The Neural Correlates of Image Texture in the Human Vision Using Magnetoencephalography
Title（参考訳）: 脳磁図による人間の視覚における画像テクスチャの相関
Authors: Elaheh Hatamimajoumerd, Alireza Talebpour
Abstract要約: 画像のテクスチャ特性は、人間とコンピュータの両方の視覚アプリケーションにおいて、オブジェクト認識タスクにおいて最も重要な特徴の1つである。ここでは, コントラスト, 均一性, エネルギー, 相関関係を含む4つのよく知られた統計テクスチャの特徴のニューラルシグネチャについて検討した。結果: コントラスト, 同質性, エネルギー, 相関関係の順で, これら4つのテクスチャ記述子の処理における階層構造について検討した。
参考スコア（独自算出の注目度）: 1.3198689566654107
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Undoubtedly, textural property of an image is one of the most important features in object recognition task in both human and computer vision applications. Here, we investigated the neural signatures of four well-known statistical texture features including contrast, homogeneity, energy, and correlation computed from the gray level co-occurrence matrix (GLCM) of the images viewed by the participants in the process of magnetoencephalography (MEG) data collection. To trace these features in the human visual system, we used multivariate pattern analysis (MVPA) and trained a linear support vector machine (SVM) classifier on every timepoint of MEG data representing the brain activity and compared it with the textural descriptors of images using the Spearman correlation. The result of this study demonstrates that hierarchical structure in the processing of these four texture descriptors in the human brain with the order of contrast, homogeneity, energy, and correlation. Additionally, we found that energy, which carries broad texture property of the images, shows a more sustained statistically meaningful correlation with the brain activity in the course of time.
Abstract（参考訳）: 画像のテクスチャ特性は、人間とコンピュータの両方の視覚アプリケーションにおいて、オブジェクト認識タスクにおいて最も重要な特徴の1つである。本稿では,脳磁図(MEG)データ収集の過程において,画像のグレーレベル共起行列(GLCM)から計算したコントラスト,均一性,エネルギー,相関を含む,よく知られた4つの統計テクスチャの特徴のニューラルシグニチャについて検討した。これらの特徴を人間の視覚系で追跡するために,多変量パターン解析 (mvpa) を用いて脳活動を表すmegデータの時間点毎に線形サポートベクターマシン (svm) を分類し,スピアマン相関を用いて画像のテキスト記述子と比較した。本研究は, これら4つのテクスチャ記述子の処理における階層構造が, コントラスト, 均一性, エネルギー, 相関の順で表されることを示した。さらに、画像の広範なテクスチャ特性を持つエネルギーは、時間の経過とともに脳活動とより統計的に有意義な相関を示すことが判明した。

関連論文リスト

Autoregressive Sequence Modeling for 3D Medical Image Representation [48.706230961589924]
本稿では, 自己回帰シーケンス事前学習フレームワークを用いて, 3次元医用画像表現を学習するための先駆的手法を提案する。我々は,空間的,コントラスト的,意味的相関に基づく様々な3次元医用画像にアプローチし,トークンシーケンス内の相互接続された視覚トークンとして扱う。
論文参考訳（メタデータ） (2024-09-13T10:19:10Z)
Psychometry: An Omnifit Model for Image Reconstruction from Human Brain Activity [60.983327742457995]
人間の脳活動から見るイメージを再構築することで、人間とコンピュータのビジョンをBrain-Computer Interfaceを通して橋渡しする。異なる被験者から得られた機能的磁気共鳴イメージング(fMRI)による画像再構成のための全能モデルであるサイコメトリを考案した。
論文参考訳（メタデータ） (2024-03-29T07:16:34Z)
Towards understanding the nature of direct functional connectivity in visual brain network [3.038642416291856]
様々な種類の視覚脳ネットワーク(VBN)を探索するために、fMRI時系列(TS)の包括的解析を行った。画像複雑性特異的なVBN分類では、XGBoostは正に相関したVBNに対して86.5%から91.5%の範囲で平均精度を得る。
論文参考訳（メタデータ） (2024-03-18T05:03:07Z)
Learning Multimodal Volumetric Features for Large-Scale Neuron Tracing [72.45257414889478]
オーバーセグメントニューロン間の接続を予測し,人間の作業量を削減することを目的としている。最初はFlyTracingという名前のデータセットを構築しました。本稿では,高密度なボリュームEM画像の埋め込みを生成するための,新しい接続性を考慮したコントラスト学習手法を提案する。
論文参考訳（メタデータ） (2024-01-05T19:45:12Z)
Image complexity based fMRI-BOLD visual network categorization across visual datasets using topological descriptors and deep-hybrid learning [3.522950356329991]
本研究の目的は,視覚的データセットと異なる視覚刺激に応答して,ネットワークトポロジがどう異なるかを検討することである。これを実現するために、COCO、ImageNet、SUNを表す視覚ネットワーク毎に0次元および1次元の永続図を演算する。抽出したK平均クラスター特徴は、これらの視覚ネットワークの分類において90%-95%の範囲で精度の高い新しいディープハイブリッドモデルに供給される。
論文参考訳（メタデータ） (2023-11-03T14:05:57Z)
Investigating the changes in BOLD responses during viewing of images with varied complexity: An fMRI time-series based analysis on human vision [2.7036595757881323]
本研究の目的は、fMRI時系列解析(TS)を用いて、画像の視認における人間の脳反応の神経学的変化について検討することである。最初の研究では、画像の複雑性に特有のfMRI TSを分類するために、古典的な機械学習とディープラーニング戦略を採用している。この分析によって得られた結果は、多種多様な複雑度の画像を観察しながら、人間の脳機能の違いを研究する上での基礎となるものとなった。
論文参考訳（メタデータ） (2023-09-27T08:46:09Z)
Spatial encoding of BOLD fMRI time series for categorizing static images across visual datasets: A pilot study on human vision [3.038642416291856]
視覚に関連する神経活動の違いを理解するために、fMRI時系列(TS)を用いて特定の画像分類を行う。視覚を理解するためには、異なる画像を見ながら脳がどのように機能するかを研究することが重要である。並列CNNモデルは、マルチクラス分類において7%向上した他のネットワークモデルよりも優れていた。
論文参考訳（メタデータ） (2023-09-07T09:31:27Z)
Controllable Mind Visual Diffusion Model [58.83896307930354]
脳信号の可視化は、人間の視覚システムとコンピュータビジョンモデルの間の重要なインターフェースとして機能する活発な研究領域として登場した。我々は、制御可能なマインドビジュアルモデル拡散(CMVDM)と呼ばれる新しいアプローチを提案する。 CMVDMは属性アライメントとアシスタントネットワークを用いてfMRIデータから意味情報とシルエット情報を抽出する。そして、制御モデルを利用して抽出した情報を画像合成に活用し、セマンティクスやシルエットの観点から視覚刺激によく似た画像を生成する。
論文参考訳（メタデータ） (2023-05-17T11:36:40Z)
Multi-Domain Norm-referenced Encoding Enables Data Efficient Transfer Learning of Facial Expression Recognition [62.997667081978825]
本稿では,表情認識における伝達学習のための生物学的メカニズムを提案する。提案アーキテクチャでは,人間の脳が,頭部形状の異なる表情を自然に認識する方法について解説する。本モデルでは, FERGデータセットの分類精度92.15%を極端に高いデータ効率で達成する。
論文参考訳（メタデータ） (2023-04-05T09:06:30Z)
Semantic Brain Decoding: from fMRI to conceptually similar image reconstruction of visual stimuli [0.29005223064604074]
本稿では,意味的・文脈的類似性にも依存する脳復号法を提案する。我々は、自然視のfMRIデータセットを使用し、人間の視覚におけるボトムアップとトップダウンの両方のプロセスの存在にインスパイアされたディープラーニングデコードパイプラインを作成します。視覚刺激の再現は, それまでの文献において, 本来の内容とセマンティックレベルで非常によく一致し, 芸術の状態を超越している。
論文参考訳（メタデータ） (2022-12-13T16:54:08Z)
Pathological Retinal Region Segmentation From OCT Images Using Geometric Relation Based Augmentation [84.7571086566595]
本稿では,幾何学と形状の内在的関係を共同で符号化することで,従来のGANベースの医用画像合成法よりも優れた手法を提案する。提案手法は,取得手順の異なる画像を有する公開RETOUCHデータセット上で,最先端のセグメンテーション手法より優れている。
論文参考訳（メタデータ） (2020-03-31T11:50:43Z)

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。