論文の概要: Continuous longitudinal fetus brain atlas construction via implicit neural representation

• arxiv url: http://arxiv.org/abs/2209.06413v1
• Date: Wed, 14 Sep 2022 04:51:17 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-15 13:55:41.396666
• Title: Continuous longitudinal fetus brain atlas construction via implicit neural representation
• Title（参考訳）: 暗黙的神経表現による経時的胎児脳房構築
• Authors: Lixuan Chen, Jiangjie Wu, Qing Wu, Hongjiang Wei, Yuyao Zhang
• Abstract要約: 本研究では,4次元脳量+1次元年齢画像データ記述タスクとして,時間不整合問題に対処する多段階ディープラーニングフレームワークを提案する。 暗黙の表現を用いて、4次元空間座標の関数として、連続的かつノイズのない縦型胎児脳アトラスを構築した。
• 参考スコア（独自算出の注目度）: 8.593931751099944
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Longitudinal fetal brain atlas is a powerful tool for understanding and characterizing the complex process of fetus brain development. Existing fetus brain atlases are typically constructed by averaged brain images on discrete time points independently over time. Due to the differences in onto-genetic trends among samples at different time points, the resulting atlases suffer from temporal inconsistency, which may lead to estimating error of the brain developmental characteristic parameters along the timeline. To this end, we proposed a multi-stage deep-learning framework to tackle the time inconsistency issue as a 4D (3D brain volume + 1D age) image data denoising task. Using implicit neural representation, we construct a continuous and noise-free longitudinal fetus brain atlas as a function of the 4D spatial-temporal coordinate. Experimental results on two public fetal brain atlases (CRL and FBA-Chinese atlases) show that the proposed method can significantly improve the atlas temporal consistency while maintaining good fetus brain structure representation. In addition, the continuous longitudinal fetus brain atlases can also be extensively applied to generate finer 4D atlases in both spatial and temporal resolution.
• Abstract（参考訳）: 胎児の脳房は胎児の脳発達の複雑な過程を理解し、特徴づける強力なツールである。 既存の胎児脳アトラスは通常、時間とともに個別の時間軸で平均された脳画像によって構築される。 異なる時刻におけるサンプルのオンジェネティックな傾向の違いにより、結果として生じるアトラスは時間的不整合に悩まされ、時間軸に沿った脳の発達特性パラメータの誤差を推定する。 この目的のために,4次元脳容積+1次元年齢)画像データデノージングタスクとして,時間的不整合問題に取り組むための多段階ディープラーニングフレームワークを提案する。 暗黙的神経表現を用いて, 4次元空間-時空間座標の関数として, 連続的・無雑音縦型胎児脳アトラスを構築する。 2つの胎児脳アトラス(crlとfba- chinese atlas)の実験結果から,本手法は良好な胎児脳構造表現を維持しつつ,アトラス時間的一貫性を著しく改善できることが示された。 さらに、連続的な胎児脳アトラスを用いて、空間分解能と時間分解能の両方においてより細かい4dアトラスを生成することもできる。

関連論文リスト

• A benchmark for 2D foetal brain ultrasound analysis [0.3742372933871118]
  妊娠20週目に得られた104個の2D脳超音波画像について報告する。 この画像は、興味のある構造から脳の発達を分析することまで、目印となる点を強調するために注釈付けされている。
  論文  参考訳（メタデータ） (2024-06-25T03:34:54Z)
• LoCI-DiffCom: Longitudinal Consistency-Informed Diffusion Model for 3D Infant Brain Image Completion [45.361733575664886]
  乳児の脳画像補完のための新しい長周期インフォームド拡散モデルであるLoCI-DiffComを提案する。 提案手法は,コンテキスト認識の整合性を確保しつつ,個別化された発達特徴を抽出することができる。
  論文  参考訳（メタデータ） (2024-05-17T10:53:40Z)
• CINA: Conditional Implicit Neural Atlas for Spatio-Temporal Representation of Fetal Brains [10.512435553279346]
  CINAは胎児の脳の一般的な表現を学び、被検体固有の情報を潜伏コードにエンコードする。 トレーニング後、CINAは胎児の脳の組織確率マップを持つ忠実なアトラスを構築することができる。 CINAは、神経型脳と心室筋腫を有する病理性脳に対して優れた精度を示す。
  論文  参考訳（メタデータ） (2024-03-13T14:02:42Z)
• Cas-DiffCom: Cascaded diffusion model for infant longitudinal super-resolution 3D medical image completion [47.83003164569194]
  超高分解能・高分解能3次元乳児脳MRIにおける2段階拡散モデルCas-DiffComを提案する。 Cas-DiffCom は縦型乳幼児脳画像における個々の一貫性と高忠実度を両立することを確認した。
  論文  参考訳（メタデータ） (2024-02-21T12:54:40Z)
• Long Short-term Memory with Two-Compartment Spiking Neuron [64.02161577259426]
  LSTM-LIFとよばれる,生物学的にインスパイアされたLong Short-Term Memory Leaky Integrate-and-Fireのスパイキングニューロンモデルを提案する。 実験結果は,時間的分類タスクの多種多様な範囲において,優れた時間的分類能力,迅速な訓練収束,ネットワークの一般化性,LSTM-LIFモデルの高エネルギー化を実証した。 したがって、この研究は、新しいニューロモルフィック・コンピューティング・マシンにおいて、困難な時間的処理タスクを解決するための、無数の機会を開放する。
  論文  参考訳（メタデータ） (2023-07-14T08:51:03Z)
• Deep learning reveals the common spectrum underlying multiple brain disorders in youth and elders from brain functional networks [53.257804915263165]
  ヒトの初期および後期の脳障害は、脳機能における病理学的変化を共有する可能性がある。 病理的共通性に関する神経画像データによる重要な証拠はいまだ発見されていない。 多地点機能磁気共鳴画像データを用いたディープラーニングモデルを構築し、健康的な制御から5つの異なる脳障害を分類する。
  論文  参考訳（メタデータ） (2023-02-23T09:22:05Z)
• Towards a Neural Model for Serial Order in Frontal Cortex: a Brain Theory from Memory Development to Higher-Level Cognition [53.816853325427424]
  そこで本研究では,未熟な前頭前野 (PFC) が側頭葉信号の階層的パターンを検出する主要な機能を利用していることを提案する。 我々の仮説では、PFCは順序パターンの形で時間的配列の階層構造を検出し、それらを脳の異なる部分で階層的に情報をインデックスするために利用する。 これにより、抽象的な知識を操作し、時間的に順序付けられた情報を計画するための言語対応の脳にツールを提供する。
  論文  参考訳（メタデータ） (2020-05-22T14:29:51Z)
• 4D Spatio-Temporal Deep Learning with 4D fMRI Data for Autism Spectrum Disorder Classification [69.62333053044712]
  ASD分類のための4次元畳み込み深層学習手法を提案する。 F1スコアは0.71、F1スコアは0.65であるのに対し、我々は4Dニューラルネットワークと畳み込みリカレントモデルを採用する。
  論文  参考訳（メタデータ） (2020-04-21T17:19:06Z)

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。