Fugu-MT 論文翻訳(概要): Deep Learning-Based Perceptual Stimulus Encoder for Bionic Vision

論文の概要: Deep Learning-Based Perceptual Stimulus Encoder for Bionic Vision

arxiv url: http://arxiv.org/abs/2203.05604v1
Date: Thu, 10 Mar 2022 19:42:09 GMT
ステータス: 処理完了
システム内更新日: 2022-03-14 21:11:12.759650
Title: Deep Learning-Based Perceptual Stimulus Encoder for Bionic Vision
Title（参考訳）: 深層学習に基づくバイオニックビジョンのための知覚刺激エンコーダ
Authors: Lucas Relic, Bowen Zhang, Yi-Lin Tuan, Michael Beyeler
Abstract要約: そこで我々は,所望の視覚知覚を生み出すために必要な電極活性化パターンを予測するために,エンド・ツー・エンドで訓練されたPSEを提案する。 MNISTに対するエンコーダの有効性を、個々の網膜インプラント使用者に適した精神生理学的に検証されたホスフェインモデルを用いて実証した。
参考スコア（独自算出の注目度）: 6.1739856715198
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Retinal implants have the potential to treat incurable blindness, yet the quality of the artificial vision they produce is still rudimentary. An outstanding challenge is identifying electrode activation patterns that lead to intelligible visual percepts (phosphenes). Here we propose a PSE based on CNN that is trained in an end-to-end fashion to predict the electrode activation patterns required to produce a desired visual percept. We demonstrate the effectiveness of the encoder on MNIST using a psychophysically validated phosphene model tailored to individual retinal implant users. The present work constitutes an essential first step towards improving the quality of the artificial vision provided by retinal implants.
Abstract（参考訳）: 網膜インプラントは、難治性の視覚障害を治療する可能性があるが、それらが生み出す人工視覚の品質は依然として必須である。優れた課題は、視覚知覚(ホスフィン)につながる電極の活性化パターンを特定することである。本稿では、所望の視覚知覚を生成するために必要な電極活性化パターンを予測するために、エンドツーエンドで訓練されたCNNに基づくPSEを提案する。 MNISTに対するエンコーダの有効性を、個々の網膜インプラント使用者に適した精神生理学的に検証されたホスフェインモデルを用いて実証した。本研究は網膜インプラントによる人工視覚の質向上に向けた重要な第一歩となる。

関連論文リスト

ReWaRD: Retinal Waves for Pre-Training Artificial Neural Networks Mimicking Real Prenatal Development [5.222115919729418]
出生前および出生後網膜波は、霊長類の視覚系に対する事前学習機構であることが示唆されている。我々は、異なる人工畳み込みニューラルネットワークを事前学習することで、この開発メカニズムを模倣する計算モデルを構築した。この生物学的に妥当な事前学習の結果として生じる特徴は、霊長類の視覚系のV1特徴と密接に一致している。
論文参考訳（メタデータ） (2023-11-28T21:14:05Z)
Adapting Brain-Like Neural Networks for Modeling Cortical Visual Prostheses [68.96380145211093]
皮質補綴は視覚野に移植された装置で、電気的にニューロンを刺激することで失った視力を回復しようとする。現在、これらのデバイスが提供する視覚は限られており、刺激による視覚知覚を正確に予測することはオープンな課題である。我々は、視覚システムの有望なモデルとして登場した「脳様」畳み込みニューラルネットワーク(CNN)を活用することで、この問題に対処することを提案する。
論文参考訳（メタデータ） (2022-09-27T17:33:19Z)
Towards Trustworthy Healthcare AI: Attention-Based Feature Learning for COVID-19 Screening With Chest Radiography [70.37371604119826]
信頼性を備えたAIモデルの構築は、特に医療などの規制領域において重要である。これまでの研究では、畳み込みニューラルネットワークをバックボーンアーキテクチャとして使用していた。本稿では,視覚変換器を用いた特徴学習手法を提案する。
論文参考訳（メタデータ） (2022-07-19T14:55:42Z)
Peripheral Vision Transformer [52.55309200601883]
我々は生物学的にインスパイアされたアプローチを採用し、視覚認識のためのディープニューラルネットワークの周辺視覚をモデル化する。本稿では,マルチヘッド自己アテンション層に周辺位置エンコーディングを組み込むことにより,トレーニングデータから視覚領域を様々な周辺領域に分割することをネットワークが学べるようにすることを提案する。大規模画像Netデータセット上でPerViTと呼ばれる提案したネットワークを評価し,マシン知覚モデルの内部動作を体系的に検討した。
論文参考訳（メタデータ） (2022-06-14T12:47:47Z)
Cross-modal Clinical Graph Transformer for Ophthalmic Report Generation [116.87918100031153]
眼科報告生成(ORG)のためのクロスモーダルな臨床グラフ変換器(CGT)を提案する。 CGTは、デコード手順を駆動する事前知識として、臨床関係を視覚特徴に注入する。大規模FFA-IRベンチマークの実験は、提案したCGTが従来のベンチマーク手法より優れていることを示した。
論文参考訳（メタデータ） (2022-06-04T13:16:30Z)
A Hybrid Neural Autoencoder for Sensory Neuroprostheses and Its Applications in Bionic Vision [0.0]
感覚神経補綴は、失われた感覚機能を回復したり、人間の能力を増強するための有望な技術として登場しつつある。本稿では、ディープニューラルネットワークエンコーダが、基礎となる生物学的システムを近似した、既知の固定されたフォワードモデルを逆転するように、いかに訓練されているかを示す。概念実証として,視覚神経補綴症例に対するハイブリッド神経オートエンコーダ(HNA)の有効性を実証した。
論文参考訳（メタデータ） (2022-05-26T20:52:00Z)
Efficient visual object representation using a biologically plausible spike-latency code and winner-take-all inhibition [0.0]
スパイキングニューラルネットワーク(SNN)は、物体認識システムの効率性と生物学的妥当性を向上させる可能性がある。本稿では、スパイクレイテンシ符号化とWTA-オール阻害(WTA-I)を用いて視覚刺激を効率的に表現するSNNモデルを提案する。我々は、150個のスパイクニューロンからなるネットワークが、40個のスパイクを持つオブジェクトを効率的に表現できることを実証した。
論文参考訳（メタデータ） (2022-05-20T17:48:02Z)
An Interpretable Multiple-Instance Approach for the Detection of referable Diabetic Retinopathy from Fundus Images [72.94446225783697]
基礎画像における参照糖尿病網膜症検出のための機械学習システムを提案する。画像パッチから局所情報を抽出し,アテンション機構により効率的に組み合わせることで,高い分類精度を実現することができる。我々は,現在入手可能な網膜画像データセットに対するアプローチを評価し,最先端の性能を示す。
論文参考訳（メタデータ） (2021-03-02T13:14:15Z)
Deep Learning--Based Scene Simplification for Bionic Vision [0.0]
対象のセグメンテーションは,視覚的サリエンシと単眼深度推定に基づくモデルよりも,シーン理解を支援する可能性が示唆された。この研究は、網膜変性疾患を患っている人に対する人工視覚の有用性を大幅に改善する可能性がある。
論文参考訳（メタデータ） (2021-01-30T19:35:33Z)
Retinopathy of Prematurity Stage Diagnosis Using Object Segmentation and Convolutional Neural Networks [68.96150598294072]
未熟児網膜症(英: Retinopathy of Prematurity、ROP)は、主に体重の低い未熟児に影響を及ぼす眼疾患である。網膜の血管の増殖を招き、視力喪失を招き、最終的には網膜剥離を招き、失明を引き起こす。近年,ディープラーニングを用いて診断を自動化する試みが盛んに行われている。本稿では,従来のモデルの成功を基盤として,オブジェクトセグメンテーションと畳み込みニューラルネットワーク(CNN)を組み合わせた新しいアーキテクチャを開発する。提案システムでは,まず対象分割モデルを訓練し,画素レベルでの区切り線を識別し,その結果のマスクを追加の"カラー"チャネルとして付加する。
論文参考訳（メタデータ） (2020-04-03T14:07:41Z)

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。