論文の概要: StreamNet: A WAE for White Matter Streamline Analysis
- arxiv url: http://arxiv.org/abs/2209.01498v1
- Date: Sat, 3 Sep 2022 20:51:07 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-07 15:37:45.422508
- Title: StreamNet: A WAE for White Matter Streamline Analysis
- Title(参考訳): streamnet: white matter streamline analysisのためのwae
- Authors: Andrew Lizarraga, Katherine L. Narr, Kristy A. Donald, Shantanu H.
Joshi
- Abstract要約: StreamNetは、ホワイトマター・ストリームラインの大規模なコレクションを分析するためのオートエンコーダアーキテクチャである。
本モデルでは, 個体群におけるストリームラインの分布構造を正確に把握するだけでなく, 実際のストリームラインと合成ストリームラインの再構成性能も向上できることを示す。
- 参考スコア(独自算出の注目度): 6.49970685896541
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present StreamNet, an autoencoder architecture for the analysis of the
highly heterogeneous geometry of large collections of white matter streamlines.
This proposed framework takes advantage of geometry-preserving properties of
the Wasserstein-1 metric in order to achieve direct encoding and reconstruction
of entire bundles of streamlines. We show that the model not only accurately
captures the distributive structures of streamlines in the population, but is
also able to achieve superior reconstruction performance between real and
synthetic streamlines. Experimental model performance is evaluated on white
matter streamlines resulting from T1-weighted diffusion imaging of 40 healthy
controls using recent state of the art bundle comparison metric that measures
fiber-shape similarities.
- Abstract(参考訳): ホワイトマター・ストリームラインの集合の高度に異質な幾何学解析のためのオートエンコーダアーキテクチャであるStreamNetを提案する。
このフレームワークはwasserstein-1メトリックの幾何保存特性を利用して、ストリームラインのバンドル全体の直接エンコーディングと再構成を実現する。
本モデルでは, 個体群における流線分布構造を正確に把握するだけでなく, 実流線と合成流線の優れた復元性能を実現できることを示す。
繊維形状の類似度を計測するアートバンドル比較測定の最近の状況を用いて,T1強調拡散イメージングによる白色物質の流動性評価を行った。
関連論文リスト
- Guided Flows for Generative Modeling and Decision Making [55.42634941614435]
その結果,ガイドフローは条件付き画像生成やゼロショット音声合成におけるサンプル品質を著しく向上させることがわかった。
特に、我々は、拡散モデルと比較して、オフライン強化学習設定axスピードアップにおいて、まず、計画生成にフローモデルを適用する。
論文 参考訳(メタデータ) (2023-11-22T15:07:59Z) - Differentiable VQ-VAE's for Robust White Matter Streamline Encodings [33.936125620525]
オートエンコーダは、低次元ラテント空間における解析の合理性を簡素化する次元還元ツールとして提案されている。
本稿では,単一のデータポイントとしてストリームラインの全バンドルを取り込み,可変ベクトル量子化変分自動エンコーダを提案する。
論文 参考訳(メタデータ) (2023-11-10T17:59:43Z) - GAFlow: Incorporating Gaussian Attention into Optical Flow [62.646389181507764]
我々はガウス的注意(GA)を光学フローモデルに押し込み、表現学習中に局所特性をアクセントする。
本稿では,既存の Transformer ブロックに簡単に接続可能な新しい Gaussian-Constrained Layer (GCL) を提案する。
動作解析のための新しいガウス誘導注意モジュール(GGAM)を提供する。
論文 参考訳(メタデータ) (2023-09-28T07:46:01Z) - HybridNet: Dual-Branch Fusion of Geometrical and Topological Views for
VLSI Congestion Prediction [5.6934255257494]
本稿では,回路のトポロジ的特徴と幾何学的特徴を包含する新しい手法を提案する。
本稿では,各経路に異なるエンコーダ層を配置し,複雑な融合戦略で表現を集約するデュアルブランチネットワークを提案する。
われわれのネットワークであるHybridNetは、セルの幾何学的相互作用を捉えるための単純かつ効果的な方法を提供するだけでなく、ネットリストにおける元のトポロジ的関係も保存する。
論文 参考訳(メタデータ) (2023-05-07T15:02:02Z) - Rethinking Optical Flow from Geometric Matching Consistent Perspective [38.014569953980754]
本稿では,従来の光流量推定法について再考する。
我々は,より優れた特徴表現を持つ光フロー推定(MatchFlow)のための事前学習タスクとして,GIMを使用している。
Sintel クリーンパスと KITTI テストセットの GMA から 11.5% と 10.1% の誤差削減を実現した。
論文 参考訳(メタデータ) (2023-03-15T06:00:38Z) - GELATO: Geometrically Enriched Latent Model for Offline Reinforcement
Learning [54.291331971813364]
オフライン強化学習アプローチは、近近法と不確実性認識法に分けられる。
本研究では,この2つを潜在変動モデルに組み合わせることのメリットを実証する。
提案したメトリクスは、分布サンプルのアウトの品質と、データ内のサンプルの不一致の両方を測定します。
論文 参考訳(メタデータ) (2021-02-22T19:42:40Z) - Equivariant Spherical Deconvolution: Learning Sparse Orientation
Distribution Functions from Spherical Data [0.0]
本稿では,単位球面上で定義される非負スカラー場のスパースデコンボリューションのための回転等価非監視学習フレームワークを提案する。
人体のマルチシェルデータセットにおけるトラクトグラフィーと部分体積推定の改善について述べる。
論文 参考訳(メタデータ) (2021-02-17T16:04:35Z) - Cascaded Deep Video Deblurring Using Temporal Sharpness Prior [88.98348546566675]
提案アルゴリズムは主に,中間潜水フレームと潜水フレームの復元ステップから光フローを推定する。
まず、中間潜伏フレームから光フローを推定し、推定した光フローに基づいて潜伏フレームを復元する深部CNNモデルを開発する。
ビデオデブロアリングのドメイン知識を探索することで、深層CNNモデルをよりコンパクトで効率的なものにすることができることを示す。
論文 参考訳(メタデータ) (2020-04-06T09:13:49Z) - FPCR-Net: Feature Pyramidal Correlation and Residual Reconstruction for
Optical Flow Estimation [72.41370576242116]
フレーム対からの光フロー推定のための半教師付き特徴ピラミッド相関・残留再構成ネットワーク(FPCR-Net)を提案する。
ピラミッド相関マッピングと残留再構成の2つの主要なモジュールで構成されている。
実験結果から,提案手法は,平均終点誤差 (AEE) に対して0.80, 1.15, 0.10の改善を達成し,最先端性能を実現していることがわかった。
論文 参考訳(メタデータ) (2020-01-17T07:13:51Z) - Understanding Graph Neural Networks with Generalized Geometric
Scattering Transforms [67.88675386638043]
散乱変換は、畳み込みニューラルネットワークのモデルとして機能する多層ウェーブレットベースのディープラーニングアーキテクチャである。
非対称ウェーブレットの非常に一般的なクラスに基づくグラフに対して、窓付きおよび非窓付き幾何散乱変換を導入する。
これらの非対称グラフ散乱変換は、対称グラフ散乱変換と多くの理論的保証を持つことを示す。
論文 参考訳(メタデータ) (2019-11-14T17:23:06Z)
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。