論文の概要: Spatio-temporally separable non-linear latent factor learning: an application to somatomotor cortex fMRI data

• arxiv url: http://arxiv.org/abs/2205.13640v1
• Date: Thu, 26 May 2022 21:30:22 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-31 11:37:11.749491
• Title: Spatio-temporally separable non-linear latent factor learning: an application to somatomotor cortex fMRI data
• Title（参考訳）: 時空間分離型非線形潜在因子学習 : 体性運動野fMRIデータへの応用
• Authors: Eloy Geenjaar, Amrit Kashyap, Noah Lewis, Robyn Miller, Vince Calhoun
• Abstract要約: 潜在因子の脳全体の発見が可能なfMRIデータのモデルについて検討する。 空間重み付けを効率化するための新しい手法は、データの高次元性とノイズの存在に対処するために重要である。 本手法は,複数のモーターサブタスクを用いたデータを用いて,モデルが各サブタスクに対応する非絡み合った潜在因子を捕捉するかどうかを評価する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Functional magnetic resonance imaging (fMRI) data contain complex spatiotemporal dynamics, thus researchers have developed approaches that reduce the dimensionality of the signal while extracting relevant and interpretable dynamics. Models of fMRI data that can perform whole-brain discovery of dynamical latent factors are understudied. The benefits of approaches such as linear independent component analysis models have been widely appreciated, however, nonlinear extensions of these models present challenges in terms of identification. Deep learning methods provide a way forward, but new methods for efficient spatial weight-sharing are critical to deal with the high dimensionality of the data and the presence of noise. Our approach generalizes weight sharing to non-Euclidean neuroimaging data by first performing spectral clustering based on the structural and functional similarity between voxels. The spectral clusters and their assignments can then be used as patches in an adapted multi-layer perceptron (MLP)-mixer model to share parameters among input points. To encourage temporally independent latent factors, we use an additional total correlation term in the loss. Our approach is evaluated on data with multiple motor sub-tasks to assess whether the model captures disentangled latent factors that correspond to each sub-task. Then, to assess the latent factors we find further, we compare the spatial location of each latent factor to the motor homunculus. Finally, we show that our approach captures task effects better than the current gold standard of source signal separation, independent component analysis (ICA).
• Abstract（参考訳）: 機能的磁気共鳴イメージング(fMRI)データには複雑な時空間ダイナミクスが含まれているため、研究者は関連性および解釈可能なダイナミクスを抽出しながら信号の次元性を減少させるアプローチを開発した。 動的潜伏因子の全脳発見が可能なfMRIデータのモデルについて検討する。 線形独立成分分析モデルのようなアプローチの利点は広く評価されているが、これらのモデルの非線形拡張は同定の点で困難である。 深層学習の手法は先進的な手法であるが,空間重み付けを効率的に行う新しい手法は,データの高次元性とノイズの存在に対処するために重要である。 本手法は,まずボクセルの構造的および機能的類似性に基づいてスペクトルクラスタリングを行うことにより,非ユークリッド神経画像データへの重み共有を一般化する。 スペクトルクラスタとその割り当ては、入力ポイント間でパラメータを共有するために、適応型多層パーセプトロン(MLP)-ミキサモデルのパッチとして使用できる。 時間的に独立な潜伏因子を促進するために、損失に追加の総相関項を用いる。 本手法は,複数のモータサブタスクを持つデータを用いて評価を行い,各サブタスクに対応する不連続な潜在要因をモデルが捉えているかどうかを評価する。 次に, 潜伏因子についてさらに検討するため, 潜伏因子の空間的位置と運動homunculusを比較した。 最後に,本手法は,現行のソース信号分離・独立成分分析(ICA)のゴールド標準よりもタスク効果が優れていることを示す。

関連論文リスト

• Multi-modal Gaussian Process Variational Autoencoders for Neural and Behavioral Data [0.9622208190558754]
  そこで本研究では,時間的に進化する共振子と独立潜光子を個別に同時記録した実験モードのために抽出する非教師付き潜光子変数モデルを提案する。 我々は,ポアソンスパイク数と時間とともにスムーズかつスムーズに回転するMNIST画像からなるシミュレーションマルチモーダルデータに対して,本モデルの有効性を検証した。 マルチモーダルGP-VAEは、モダリティ間の共有および独立の潜伏構造を正確に識別できるだけでなく、保留試験において画像とニューラルレートの両方を適切に再構成できることを示す。
  論文  参考訳（メタデータ） (2023-10-04T19:04:55Z)
• 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)
• Capturing dynamical correlations using implicit neural representations [85.66456606776552]
  実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。 そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
  論文  参考訳（メタデータ） (2023-04-08T07:55:36Z)
• Unsupervised representation learning with recognition-parametrised probabilistic models [12.865596223775649]
  認識パラメータモデル(RPM)に基づく確率的教師なし学習の新しいアプローチを提案する。 観測が条件独立であるというキー前提の下では、RPMはパラメトリックな事前条件付き潜時分布と非パラメトリックな観測因子を結合する。 RPMは、動物と人工知能の両方にとって重要な機能である観測データの基礎となる有意義な潜在構造を発見する強力なフレームワークを提供する。
  論文  参考訳（メタデータ） (2022-09-13T00:33:21Z)
• Functional Parcellation of fMRI data using multistage k-means clustering [0.9786690381850356]
  クラスタリングはしばしば機能的パーセレーションを生成するために使われる。 本研究では,静止状態とタスクfMRIデータに対するクラスタリングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-02-19T20:30:02Z)
• Mixed Effects Neural ODE: A Variational Approximation for Analyzing the Dynamics of Panel Data [50.23363975709122]
  パネルデータ解析に(固定・ランダムな)混合効果を取り入れたME-NODEという確率モデルを提案する。 我々は、Wong-Zakai定理によって提供されるSDEの滑らかな近似を用いて、我々のモデルを導出できることを示す。 次に、ME-NODEのためのエビデンスに基づく下界を導出し、(効率的な)トレーニングアルゴリズムを開発する。
  論文  参考訳（メタデータ） (2022-02-18T22:41:51Z)
• Learning Neural Causal Models with Active Interventions [83.44636110899742]
  本稿では,データ生成プロセスの根底にある因果構造を素早く識別する能動的介入ターゲット機構を提案する。 本手法は,ランダムな介入ターゲティングと比較して,要求される対話回数を大幅に削減する。 シミュレーションデータから実世界のデータまで,複数のベンチマークにおいて優れた性能を示す。
  論文  参考訳（メタデータ） (2021-09-06T13:10:37Z)
• Adaptive Multi-View ICA: Estimation of noise levels for optimal inference [65.94843987207445]
  Adaptive MultiView ICA (AVICA) はノイズの多いICAモデルであり、各ビューは共有された独立したソースと付加的なノイズの線形混合である。 AVICAは、その明示的なMMSE推定器により、他のICA法よりも優れたソース推定値が得られる。 実脳磁図(MEG)データでは,分解がサンプリングノイズに対する感度が低く,ノイズ分散推定が生物学的に妥当であることを示す。
  論文  参考訳（メタデータ） (2021-02-22T13:10:12Z)
• 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)
• Time-Resolved fMRI Shared Response Model using Gaussian Process Factor Analysis [19.237759421319957]
  そこで我々は,S-GPFA(Shared Gaussian Process Factor Analysis)と呼ばれる新しいモデルを導入する。 シミュレーションデータを用いて地中真理潜伏構造を明らかにする上で,本モデルの有効性を実証し,公開可能なRaiderおよびSherlockデータセット上での時間分割マッチングとオブジェクト間類似性の実験的性能を再現した。
  論文  参考訳（メタデータ） (2020-06-10T00:15:01Z)

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。