論文の概要: A novel statistical methodology for quantifying the spatial arrangements
of axons in peripheral nerves
- arxiv url: http://arxiv.org/abs/2210.09554v1
- Date: Tue, 18 Oct 2022 03:04:11 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-19 16:08:14.718469
- Title: A novel statistical methodology for quantifying the spatial arrangements
of axons in peripheral nerves
- Title（参考訳）: 末梢神経における軸索の空間配置の定量化のための新しい統計的手法
- Authors: Abida Sanjana Shemonti, Emanuele Plebani, Natalia P. Biscola, Deborah
M. Jaffey, Leif A. Havton, Janet R. Keast, Alex Pothen, M. Murat Dundar,
Terry L. Powley, Bartek Rajwa
- Abstract要約: 生体物理モデルでは、末梢神経における髄質および無髄質軸索の複雑な空間配置がランダムであると一般的に仮定される。
本研究では,軸索とシンクホーン距離の空間配置を記述するために,空間統計モデルと点過程モデルを用いた。
本研究は, 最適輸送問題に対する解法から導出した指標を用いて, 空間点パターン間の類似性を定量化するための新しい, 革新的なアプローチを示すものである。
- 参考スコア（独自算出の注目度）: 0.1625256372381793
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A thorough understanding of the neuroanatomy of peripheral nerves is required
for a better insight into their function and the development of neuromodulation
tools and strategies. In biophysical modeling, it is commonly assumed that the
complex spatial arrangement of myelinated and unmyelinated axons in peripheral
nerves is random, however, in reality the axonal organization is inhomogeneous
and anisotropic. Present quantitative neuroanatomy methods analyze peripheral
nerves in terms of the number of axons and the morphometric characteristics of
the axons, such as area and diameter. In this study, we employed spatial
statistics and point process models to describe the spatial arrangement of
axons and Sinkhorn distances to compute the similarities between these
arrangements (in terms of first- and second-order statistics) in various vagus
and pelvic nerve cross-sections. We utilized high-resolution TEM images that
have been segmented using a custom-built high-throughput deep learning system
based on a highly modified U-Net architecture. Our findings show a novel and
innovative approach to quantifying similarities between spatial point patterns
using metrics derived from the solution to the optimal transport problem. We
also present a generalizable pipeline for quantitative analysis of peripheral
nerve architecture. Our data demonstrate differences between male- and
female-originating samples and similarities between the pelvic and abdominal
vagus nerves.
- Abstract（参考訳）: 末梢神経の神経解剖学の理解は、その機能と神経調節ツールや戦略の発達についてより深く理解するために必要である。
生体物理モデルでは、末梢神経における髄質軸索と髄質軸索の複雑な空間配置はランダムであると考えられているが、実際には軸索組織は不均一で異方性である。
現在の定量的神経解剖学的手法は、軸索の数と、面積や直径などの軸索の形態的特徴の観点から末梢神経を解析する。
本研究では, 軸索とシンクホーン距離の空間配置を記述するために, 空間統計と点過程モデルを用いて, 種々の迷走神経と骨盤間断面積におけるこれらの配置の類似性を計算した。
高度に修正されたu-netアーキテクチャに基づく高スループット深層学習システムを用いて,分割された高分解能tem画像を用いた。
本研究は,最適輸送問題に対する解から得られる指標を用いて,空間的点パターン間の類似性を定量化する新規かつ革新的な手法を示す。
また,末梢神経構造の定量的解析のための一般化パイプラインを提案する。
以上の結果から,男性と女性,骨盤と腹腔内迷走神経の類似性について検討した。
関連論文リスト
- A Subsampling Based Neural Network for Spatial Data [0.0]
本稿では、空間データに対する一貫した局所化された2層ディープニューラルネットワークに基づく回帰を提案する。
観測されたデータと予測されたデータの経験的確率分布の差分尺度の収束率を実験的に観察し、より滑らかな空間表面ではより高速になる。
この応用は非線形空間回帰の効果的な例である。
論文 参考訳（メタデータ） (2024-11-06T02:37:43Z) - Exploring Behavior-Relevant and Disentangled Neural Dynamics with Generative Diffusion Models [2.600709013150986]
行動の神経基盤を理解することは神経科学の基本的な目標である。
私たちのアプローチは、BeNeDiff'と呼ばれるもので、まずきめ細やかな神経部分空間を識別します。
次に、最先端の生成拡散モデルを使用して、各潜伏因子の神経力学を解釈する行動ビデオを合成する。
論文 参考訳（メタデータ） (2024-10-12T18:28:56Z) - Topological Representational Similarity Analysis in Brains and Beyond [15.417809900388262]
この論文では、神経表現の幾何学的および位相的特性を組み合わせた新しいフレームワークであるトポロジカルRSA(tRSA)を紹介する。
tRSAは非線型単調変換を表現上の相似性に適用し、中間スケールの幾何学を維持しながら局所位相を強調する。
結果として生じる地形行列は、ノイズや個々の慣用性に頑健なモデル比較を可能にする。
論文 参考訳（メタデータ） (2024-08-21T19:02:00Z) - Addressing caveats of neural persistence with deep graph persistence [54.424983583720675]
神経の持続性に影響を与える主な要因は,ネットワークの重みのばらつきと大きな重みの空間集中である。
単一層ではなく,ニューラルネットワーク全体へのニューラルネットワークの持続性に基づくフィルタリングの拡張を提案する。
これにより、ネットワーク内の永続的なパスを暗黙的に取り込み、分散に関連する問題を緩和するディープグラフの永続性測定が得られます。
論文 参考訳（メタデータ） (2023-07-20T13:34:11Z) - The Expressive Leaky Memory Neuron: an Efficient and Expressive Phenomenological Neuron Model Can Solve Long-Horizon Tasks [64.08042492426992]
本稿では,脳皮質ニューロンの生物学的モデルであるExpressive Memory(ELM)ニューロンモデルを紹介する。
ELMニューロンは、上記の入力-出力関係を1万以下のトレーニング可能なパラメータと正確に一致させることができる。
本稿では,Long Range Arena(LRA)データセットなど,時間構造を必要とするタスクで評価する。
論文 参考訳（メタデータ） (2023-06-14T13:34:13Z) - S3M: Scalable Statistical Shape Modeling through Unsupervised
Correspondences [91.48841778012782]
本研究では,集団解剖学における局所的および大域的形状構造を同時に学習するための教師なし手法を提案する。
我々のパイプラインは、ベースライン法と比較して、SSMの教師なし対応推定を大幅に改善する。
我々の手法は、ノイズの多いニューラルネットワーク予測から学ぶのに十分堅牢であり、より大きな患者にSSMを拡張できる可能性がある。
論文 参考訳（メタデータ） (2023-04-15T09:39:52Z) - Constraints on the design of neuromorphic circuits set by the properties
of neural population codes [61.15277741147157]
脳内では、情報はコード化され、伝達され、行動を伝えるために使用される。
ニューロモルフィック回路は、脳内のニューロンの集団が使用するものと互換性のある方法で情報を符号化する必要がある。
論文 参考訳（メタデータ） (2022-12-08T15:16:04Z) - Representational dissimilarity metric spaces for stochastic neural
networks [4.229248343585332]
神経表現の類似性を定量化することは、深層学習と神経科学研究における長年の問題である。
形状メトリクスを一般化して表現の違いを定量化する。
神経生物学的指向型視覚格子と自然主義的なシーンはそれぞれ、訓練されていない深層ネットワーク表現と訓練された深部ネットワーク表現に類似している。
論文 参考訳（メタデータ） (2022-11-21T17:32:40Z) - Generative modeling of the enteric nervous system employing point
pattern analysis and graph construction [2.20200533591633]
大腸における腸管神経系(ENS)のアーキテクチャのネットワークモデルについて述べる。
我々のモデルは,空間点パターン解析とグラフ生成を組み合わせることで,ガングリアの空間的および位相的性質を特徴づける。
ENSコネクトームの理解が高まると、治療における神経調節戦略の使用が可能になり、腸運動障害の患者に対する解剖学的診断基準が明確になる。
論文 参考訳（メタデータ） (2022-10-26T21:22:41Z) - Brain Cortical Functional Gradients Predict Cortical Folding Patterns
via Attention Mesh Convolution [51.333918985340425]
我々は,脳の皮質ジャイロ-サルカル分割図を予測するための新しいアテンションメッシュ畳み込みモデルを開発した。
実験の結果,我々のモデルによる予測性能は,他の最先端モデルよりも優れていた。
論文 参考訳（メタデータ） (2022-05-21T14:08:53Z) - Provably Efficient Neural Estimation of Structural Equation Model: An
Adversarial Approach [144.21892195917758]
一般化構造方程式モデル(SEM)のクラスにおける推定について検討する。
線形作用素方程式をmin-maxゲームとして定式化し、ニューラルネットワーク(NN)でパラメータ化し、勾配勾配を用いてニューラルネットワークのパラメータを学習する。
提案手法は,サンプル分割を必要とせず,確固とした収束性を持つNNをベースとしたSEMの抽出可能な推定手順を初めて提供する。
論文 参考訳（メタデータ） (2020-07-02T17:55:47Z)
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。