論文の概要: TractoFormer: A Novel Fiber-level Whole Brain Tractography Analysis
Framework Using Spectral Embedding and Vision Transformers
- arxiv url: http://arxiv.org/abs/2207.02327v1
- Date: Tue, 5 Jul 2022 21:38:26 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-08 04:35:36.009150
- Title: TractoFormer: A Novel Fiber-level Whole Brain Tractography Analysis
Framework Using Spectral Embedding and Vision Transformers
- Title（参考訳）: TractoFormer: スペクトル埋め込みと視覚変換器を用いた新しいファイバーレベル全脳トラクトグラフィー解析フレームワーク
- Authors: Fan Zhang, Tengfei Xue, Weidong Cai, Yogesh Rathi, Carl-Fredrik
Westin, Lauren J O'Donnell
- Abstract要約: WBT(Whole Brain tractography)データには、何十万もの個々のファイバーの流線(推定脳接続)が含まれている。
本稿では,新しいパーセレーションフリーな WBT 解析フレームワークである TractoFormer を提案する。
病気分類実験において、TractoFormerは統合失調症とコントロールの分類において最も高い精度を達成する。
- 参考スコア（独自算出の注目度）: 15.334469506736065
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Diffusion MRI tractography is an advanced imaging technique for quantitative
mapping of the brain's structural connectivity. Whole brain tractography (WBT)
data contains over hundreds of thousands of individual fiber streamlines
(estimated brain connections), and this data is usually parcellated to create
compact representations for data analysis applications such as disease
classification. In this paper, we propose a novel parcellation-free WBT
analysis framework, TractoFormer, that leverages tractography information at
the level of individual fiber streamlines and provides a natural mechanism for
interpretation of results using the attention mechanism of transformers.
TractoFormer includes two main contributions. First, we propose a novel and
simple 2D image representation of WBT, TractoEmbedding, to encode 3D fiber
spatial relationships and any feature of interest that can be computed from
individual fibers (such as FA or MD). Second, we design a network based on
vision transformers (ViTs) that includes: 1) data augmentation to overcome
model overfitting on small datasets, 2) identification of discriminative fibers
for interpretation of results, and 3) ensemble learning to leverage fiber
information from different brain regions. In a synthetic data experiment,
TractoFormer successfully identifies discriminative fibers with simulated group
differences. In a disease classification experiment comparing several methods,
TractoFormer achieves the highest accuracy in classifying schizophrenia vs
control. Discriminative fibers are identified in left hemispheric frontal and
parietal superficial white matter regions, which have previously been shown to
be affected in schizophrenia patients.
- Abstract（参考訳）: diffusion mri tractographyは、脳の構造接続の定量的マッピングのための高度なイメージング技術である。
ブレイントラクトグラフィー(WBT)データには数十万以上の個々のファイバーの流線(推定脳接続)が含まれており、このデータは疾患分類などのデータ解析アプリケーションのためのコンパクトな表現を作成するために通常パーセル化されている。
本稿では,個々の繊維流線レベルでの気道情報を活用し,トランスフォーマの注意機構を用いて結果を解釈するための自然なメカニズムを提供する,新しいセルフリーなwbt分析フレームワーク tractoformerを提案する。
TractoFormerには2つの主な貢献がある。
まず,WBTの3次元空間関係と,個々のファイバー(FAやMDなど)から計算可能な興味の特徴をエンコードするための,新規でシンプルな2次元画像表現であるTractoEmbeddingを提案する。
第2に、視覚変換器(ViT)に基づくネットワークを設計する。
1)小規模データセットのモデルオーバーフィットを克服するためのデータ拡張
2結果の解釈のための識別繊維の識別、及び
3)異なる脳領域の線維情報を活用するアンサンブル学習。
合成データ実験において、tratoformerはグループ差を模擬した識別繊維の同定に成功した。
いくつかの方法を比較した疾患分類実験において、TractoFormerは統合失調症とコントロールの分類において最も高い精度を達成する。
識別繊維は、左半球前頭葉および頭頂表層白質領域で同定され、これまで統合失調症患者に影響を与えていることが示されている。
関連論文リスト
- White Matter Geometry-Guided Score-Based Diffusion Model for Tissue Microstructure Imputation in Tractography Imaging [8.994860310545532]
白質トラクトグラフィーのパーセレーションは、疾患予測、解剖学的トラクトセグメンテーション、外科的脳マッピング、非画像的表現型分類などの解剖学的特徴を提供する。
WMG-Diffモデル(White Matter Geometry-Guided Diffusion)モデルを提案する。
論文 参考訳（メタデータ） (2024-07-28T10:40:32Z) - Neurovascular Segmentation in sOCT with Deep Learning and Synthetic Training Data [4.5276169699857505]
本研究は, 連続断面光コヒーレンストモグラフィー画像における神経血管セグメンテーションのための合成エンジンについて述べる。
提案手法は,ラベル合成とラベル・ツー・イメージ変換の2段階からなる。
前者の有効性を,より現実的なトレーニングラベルの集合と比較し,後者を合成ノイズと人工物モデルのアブレーション研究により実証した。
論文 参考訳（メタデータ） (2024-07-01T16:09:07Z) - SDR-Former: A Siamese Dual-Resolution Transformer for Liver Lesion
Classification Using 3D Multi-Phase Imaging [59.78761085714715]
本研究は肝病変分類のための新しいSDR-Formerフレームワークを提案する。
提案フレームワークは2つの臨床データセットに関する総合的な実験を通じて検証された。
科学コミュニティを支援するため,肝病変解析のための多段階MRデータセットを公開しています。
論文 参考訳（メタデータ） (2024-02-27T06:32:56Z) - 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) - TractCloud: Registration-free tractography parcellation with a novel
local-global streamline point cloud representation [63.842881844791094]
現在のトラクトグラフィーのパーセレーション法は登録に大きく依存しているが、登録の不正確さはパーセレーションに影響を及ぼす可能性がある。
我々は,個別の主題空間で直接,脳全体のトラクトログラフィ解析を行う,登録不要のフレームワークであるTractCloudを提案する。
論文 参考訳（メタデータ） (2023-07-18T06:35:12Z) - Superficial White Matter Analysis: An Efficient Point-cloud-based Deep
Learning Framework with Supervised Contrastive Learning for Consistent
Tractography Parcellation across Populations and dMRI Acquisitions [68.41088365582831]
ホワイトマターパーセレーション(White matter parcellation)は、トラクトグラフィーをクラスタまたは解剖学的に意味のあるトラクトに分類する。
ほとんどのパーセレーション法はディープホワイトマター(DWM)にフォーカスするが、その複雑さのため表面ホワイトマター(SWM)に対処する手法は少ない。
本稿では,2段階の深層学習に基づく新しいフレームワークであるSuperficial White Matter Analysis (SupWMA)を提案する。
論文 参考訳（メタデータ） (2022-07-18T23:07:53Z) - A Matrix Autoencoder Framework to Align the Functional and Structural
Connectivity Manifolds as Guided by Behavioral Phenotypes [10.444460609337106]
静止状態fMRI(rs-fMRI)から拡散イメージング(DTI)の構造コネクトームにマップする新しいマトリックスオートエンコーダを提案する。
我々は、Human Connectome Projectデータベースから275名の健常者のデータセットと、自閉症スペクトラム障害57名からなる第2の臨床データセットを検証した。
論文 参考訳（メタデータ） (2021-05-30T02:06:12Z) - Contextual Information Enhanced Convolutional Neural Networks for
Retinal Vessel Segmentation in Color Fundus Images [0.0]
自動網膜血管セグメンテーションシステムは、臨床診断及び眼科研究を効果的に促進することができる。
ディープラーニングベースの手法が提案され、いくつかのカスタマイズされたモジュールが有名なエンコーダデコーダアーキテクチャU-netに統合されている。
その結果,提案手法は先行技術よりも優れ,感性/リコール,F1スコア,MCCの最先端性能を実現している。
論文 参考訳（メタデータ） (2021-03-25T06:10:47Z) - Fader Networks for domain adaptation on fMRI: ABIDE-II study [68.5481471934606]
我々は3次元畳み込みオートエンコーダを用いて、無関係な空間画像表現を実現するとともに、ABIDEデータ上で既存のアプローチより優れていることを示す。
論文 参考訳（メタデータ） (2020-10-14T16:50:50Z) - FiberStars: Visual Comparison of Diffusion Tractography Data between
Multiple Subjects [5.784525664066613]
最近のdMRI研究は、被験者群と疾患集団間の接続パターンを比較することを目的としている。
既存のソフトウェア製品は解剖学のみに焦点を合わせており、直感的あるいは複数の主題の比較を制限するものではない。
本稿では,画像解析ツールFiberStarsの設計と実装について述べる。
論文 参考訳（メタデータ） (2020-05-16T20:23:46Z) - Spectrum Translation for Cross-Spectral Ocular Matching [59.17685450892182]
バイオメトリックスでは、特に眼領域において、クロススペクトル検証が大きな問題となっている。
近赤外画像と視覚光画像のスペクトル変換におけるコンディショナル・ディバイサル・ネットワークの利用について検討した。
論文 参考訳（メタデータ） (2020-02-14T19:30:31Z)
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。