論文の概要: Learning Personal Representations from fMRIby Predicting Neurofeedback Performance

• arxiv url: http://arxiv.org/abs/2112.04902v1
• Date: Mon, 6 Dec 2021 10:16:54 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-10 14:11:06.585004
• Title: Learning Personal Representations from fMRIby Predicting Neurofeedback Performance
• Title（参考訳）: 神経フィードバック性能を予測するfMRIによる個人表現の学習
• Authors: Jhonathan Osin, Lior Wolf, Guy Gurevitch, Jackob Nimrod Keynan, Tom Fruchtman-Steinbok, Ayelet Or-Borichev, Shira Reznik Balter and Talma Hendler
• Abstract要約: 機能的MRI(fMRI)によって導かれる自己神経変調タスクを行う個人のための個人表現を学習するためのディープニューラルネットワーク手法を提案する。 この表現は、直近のfMRIフレームが与えられた次のfMRIフレームにおける扁桃体活動を予測する自己教師型リカレントニューラルネットワークによって学習され、学習された個々の表現に条件付けされる。
• 参考スコア（独自算出の注目度）: 52.77024349608834
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present a deep neural network method for learning a personal representation for individuals that are performing a self neuromodulation task, guided by functional MRI (fMRI). This neurofeedback task (watch vs. regulate) provides the subjects with a continuous feedback contingent on down regulation of their Amygdala signal and the learning algorithm focuses on this region's time-course of activity. The representation is learned by a self-supervised recurrent neural network, that predicts the Amygdala activity in the next fMRI frame given recent fMRI frames and is conditioned on the learned individual representation. It is shown that the individuals' representation improves the next-frame prediction considerably. Moreover, this personal representation, learned solely from fMRI images, yields good performance in linear prediction of psychiatric traits, which is better than performing such a prediction based on clinical data and personality tests. Our code is attached as supplementary and the data would be shared subject to ethical approvals.
• Abstract（参考訳）: 機能的MRI(fMRI)によって導かれる自己神経変調タスクを行う個人に対する個人表現を学習するためのディープニューラルネットワーク手法を提案する。 このニューロフィードバックタスク(ウォッチ対レギュレーション)は、被験者にアミグダラ信号のダウン制御に関する継続的なフィードバックを与え、学習アルゴリズムはこの地域の活動の時間軸に焦点を当てる。 この表現は、直近のfMRIフレームが与えられた次のfMRIフレームにおける扁桃体活動を予測する自己教師型リカレントニューラルネットワークによって学習され、学習された個々の表現に条件付けされる。 個人の表現は、次のフレームの予測を大幅に改善する。 さらに、fMRI画像のみから学習したこの個人表現は、臨床データや人格検査に基づく予測よりも優れた、精神医学的特徴の線形予測において優れた性能が得られる。 私たちのコードは補足として添付され、データは倫理的な承認を受けて共有されます。

関連論文リスト

• Self-Supervised Pretraining on Paired Sequences of fMRI Data for Transfer Learning to Brain Decoding Tasks [0.0]
  機能的磁気共鳴イメージング(fMRI)データにおけるトランスフォーマーのための自己教師付き事前学習フレームワークを提案する。 まず,音楽聴取時の人間の聴覚野の時間的・空間的ダイナミクスの一般的な理解をモデルに教える。 第二に、訓練済みのモデルを微調整し、教師付きfMRI分類タスクで新たなモデルを訓練する。
  論文  参考訳（メタデータ） (2023-05-15T22:53:12Z)
• DynDepNet: Learning Time-Varying Dependency Structures from fMRI Data via Dynamic Graph Structure Learning [58.94034282469377]
  下流予測タスクによって誘導されるfMRIデータの最適時間変化依存性構造を学習する新しい手法であるDynDepNetを提案する。 実世界のfMRIデータセットの実験は、性別分類のタスクにおいて、DynDepNetが最先端の結果を達成することを実証している。
  論文  参考訳（メタデータ） (2022-09-27T16:32:11Z)
• Feature visualization for convolutional neural network models trained on neuroimaging data [0.0]
  畳み込みニューラルネットワーク(CNN)の機能可視化による最初の結果を示す。 我々は、MRIデータに基づく性分類や人為的病変分類など、さまざまなタスクのためにCNNを訓練した。 得られた画像は、その形状を含む人工的な病変の学習概念を明らかにするが、性分類タスクにおける抽象的な特徴を解釈することは困難である。
  論文  参考訳（メタデータ） (2022-03-24T15:24:38Z)
• Data-driven emergence of convolutional structure in neural networks [83.4920717252233]
  識別タスクを解くニューラルネットワークが、入力から直接畳み込み構造を学習できることを示す。 データモデルを慎重に設計することにより、このパターンの出現は、入力の非ガウス的、高次局所構造によって引き起こされることを示す。
  論文  参考訳（メタデータ） (2022-02-01T17:11:13Z)
• fMRI Neurofeedback Learning Patterns are Predictive of Personal and Clinical Traits [62.997667081978825]
  機能的MRI(fMRI)による自律神経運動課題における学習経過の個人的シグネチャを得る。 署名は、第1セッションで同様のfMRI由来の脳の状態が与えられた後、第2セッションで扁桃体の活動を予測することに基づいている。
  論文  参考訳（メタデータ） (2021-12-21T06:52:48Z)
• Overcoming the Domain Gap in Contrastive Learning of Neural Action Representations [60.47807856873544]
  神経科学の基本的な目標は、神経活動と行動の関係を理解することである。 我々は,ハエが自然に生み出す行動からなる新しいマルチモーダルデータセットを作成した。 このデータセットと新しい拡張セットは、神経科学における自己教師あり学習手法の適用を加速することを約束します。
  論文  参考訳（メタデータ） (2021-11-29T15:27:51Z)
• Variational voxelwise rs-fMRI representation learning: Evaluation of sex, age, and neuropsychiatric signatures [0.0]
  本稿では,Voxelwise rs-fMRIデータに非線形表現学習を適用することを提案する。 非線形表現の学習は変分オートエンコーダ(VAE)を用いて行われる VAEは、voxelwise rs-fMRIデータに基づいて訓練され、意味のある情報を保持する非線形次元還元を行う。
  論文  参考訳（メタデータ） (2021-08-29T05:27:32Z)
• Effective and Interpretable fMRI Analysis via Functional Brain Network Generation [8.704964543257246]
  我々は、FMRIの特徴を抽出し、脳ネットワークを生成し、GNNで予測するエンドツーエンドのトレーニング可能なパイプラインを開発した。 PNC fMRIデータに対する予備実験は、我々のフレームワークの優れた有効性と独特な解釈可能性を示している。
  論文  参考訳（メタデータ） (2021-07-23T14:04:59Z)
• Training Binary Neural Networks through Learning with Noisy Supervision [76.26677550127656]
  本稿では,ニューラルネットワーク上の二項化操作を学習の観点から定式化する。 ベンチマークデータセットの実験結果から,提案手法がベースラインよりも一貫した改善を達成できることが示唆された。
  論文  参考訳（メタデータ） (2020-10-10T01:59:39Z)

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。