論文の概要: fMRI from EEG is only Deep Learning away: the use of interpretable DL to
unravel EEG-fMRI relationships
- arxiv url: http://arxiv.org/abs/2211.02024v1
- Date: Sun, 23 Oct 2022 15:11:37 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-06 15:05:39.388111
- Title: fMRI from EEG is only Deep Learning away: the use of interpretable DL to
unravel EEG-fMRI relationships
- Title（参考訳）: 脳波からのfMRIは深層学習のみである:脳波とfMRIの関係を解明するための解釈可能なDLの使用
- Authors: Alexander Kovalev, Ilia Mikheev, Alexei Ossadtchi
- Abstract要約: 多チャンネル脳波データからいくつかの皮質下領域の活性を回復するための解釈可能な領域基底解を提案する。
我々は,皮質下核の血行動態信号の頭皮脳波予測の空間的・時間的パターンを復元する。
- 参考スコア（独自算出の注目度）: 68.8204255655161
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The access to activity of subcortical structures offers unique opportunity
for building intention dependent brain-computer interfaces, renders abundant
options for exploring a broad range of cognitive phenomena in the realm of
affective neuroscience including complex decision making processes and the
eternal free-will dilemma and facilitates diagnostics of a range of
neurological deceases. So far this was possible only using bulky, expensive and
immobile fMRI equipment. Here we present an interpretable domain grounded
solution to recover the activity of several subcortical regions from the
multichannel EEG data and demonstrate up to 60% correlation between the actual
subcortical blood oxygenation level dependent sBOLD signal and its EEG-derived
twin. Then, using the novel and theoretically justified weight interpretation
methodology we recover individual spatial and time-frequency patterns of scalp
EEG predictive of the hemodynamic signal in the subcortical nuclei. The
described results not only pave the road towards wearable subcortical activity
scanners but also showcase an automatic knowledge discovery process facilitated
by deep learning technology in combination with an interpretable domain
constrained architecture and the appropriate downstream task.
- Abstract（参考訳）: 皮質下構造の活動へのアクセスは、意図に依存した脳-コンピューターインタフェースを構築するためのユニークな機会を提供し、複雑な意思決定プロセスや永遠の自由意志ジレンマを含む情緒的神経科学の領域における幅広い認知現象を探索するための豊富な選択肢を与え、様々な神経学的デセアーゼの診断を容易にする。
これまでのところこれは、かさばる、高価で、モバイルのfMRI機器しか使用できなかった。
そこで本研究では,多チャンネル脳波データから複数の皮質下領域の活性を回復し,実際の脳皮質下酸素濃度依存性sBOLD信号と脳波由来双生児の60%の相関関係を示す解釈可能な領域基底解を提案する。
次に, 新しく理論的に正当化された重み解釈手法を用いて, 頭皮脳波の個々の空間的, 時間的パターンを回復し, 皮質下核における血行動態信号の予測を行う。
これらの結果は,ウェアラブル脳下活動スキャナへの道のりを舗装するだけでなく,解釈可能なドメイン制約アーキテクチャと適切な下流タスクを組み合わせたディープラーニング技術による自動知識発見プロセスを示す。
関連論文リスト
- NeuroBOLT: Resting-state EEG-to-fMRI Synthesis with Multi-dimensional Feature Mapping [9.423808859117122]
我々は,脳内のfMRI活動信号に生の脳波データを変換するためにNeuroBOLT,すなわちNeuro-to-BOLD Transformerを導入する。
実験の結果,NeuroBOLTは一次感覚野,高レベル認知領域,深部皮質下脳領域から観測不能なfMRI信号を効果的に再構成することがわかった。
論文 参考訳（メタデータ） (2024-10-07T02:47:55Z) - Latent Representation Learning for Multimodal Brain Activity Translation [14.511112110420271]
本稿では、空間的および時間的解像度ギャップをモダリティに橋渡しするSAMBA(Spatiotemporal Alignment of Multimodal Brain Activity)フレームワークを提案する。
SAMBAは、電気生理学的記録のスペクトルフィルタリングのための新しい注目ベースのウェーブレット分解を導入した。
SAMBAの学習は、翻訳の他に、脳情報処理の豊かな表現も学べることが示されている。
論文 参考訳（メタデータ） (2024-09-27T05:50:29Z) - Interpretable Spatio-Temporal Embedding for Brain Structural-Effective Network with Ordinary Differential Equation [56.34634121544929]
本研究では,まず動的因果モデルを用いて脳効果ネットワークを構築する。
次に、STE-ODE(Spatio-Temporal Embedding ODE)と呼ばれる解釈可能なグラフ学習フレームワークを導入する。
このフレームワークは、構造的および効果的なネットワーク間の動的相互作用を捉えることを目的とした、特異的に設計されたノード埋め込み層を含んでいる。
論文 参考訳（メタデータ） (2024-05-21T20:37:07Z) - Leveraging sinusoidal representation networks to predict fMRI signals
from EEG [3.3121941932506473]
本稿では,マルチチャネル脳波から直接fMRI信号を予測できる新しいアーキテクチャを提案する。
本モデルは,脳波の周波数情報を学習するための正弦波表現ネットワーク(SIREN)を実装して実現している。
我々は,脳波-fMRI同時データセットを8被験者で評価し,脳皮質下 fMRI 信号の予測の可能性について検討した。
論文 参考訳（メタデータ） (2023-11-06T03:16:18Z) - fMRI-PTE: A Large-scale fMRI Pretrained Transformer Encoder for
Multi-Subject Brain Activity Decoding [54.17776744076334]
本稿では,fMRI事前学習のための革新的オートエンコーダであるfMRI-PTEを提案する。
我々のアプローチでは、fMRI信号を統合された2次元表現に変換し、次元の整合性を確保し、脳の活動パターンを保存する。
コントリビューションには、fMRI-PTEの導入、革新的なデータ変換、効率的なトレーニング、新しい学習戦略、そして我々のアプローチの普遍的な適用性が含まれる。
論文 参考訳（メタデータ） (2023-11-01T07:24:22Z) - A Knowledge-Driven Cross-view Contrastive Learning for EEG
Representation [48.85731427874065]
本稿では,限られたラベルを持つ脳波から効果的な表現を抽出する知識駆動型クロスビューコントラスト学習フレームワーク(KDC2)を提案する。
KDC2法は脳波信号の頭皮と神経のビューを生成し、脳活動の内部および外部の表現をシミュレートする。
ニューラル情報整合性理論に基づく事前のニューラル知識をモデル化することにより、提案手法は不変かつ相補的なニューラル知識を抽出し、複合表現を生成する。
論文 参考訳（メタデータ） (2023-09-21T08:53:51Z) - Patched Diffusion Models for Unsupervised Anomaly Detection in Brain MRI [55.78588835407174]
本稿では,正常脳解剖のパッチベース推定法として拡散モデルの生成タスクを再構築する手法を提案する。
腫瘍と多発性硬化症について検討し,既存のベースラインと比較して25.1%の改善がみられた。
論文 参考訳（メタデータ） (2023-03-07T09:40:22Z) - Hierarchical Graph Convolutional Network Built by Multiscale Atlases for
Brain Disorder Diagnosis Using Functional Connectivity [48.75665245214903]
本稿では,脳疾患診断のためのマルチスケールFCN解析を行うための新しいフレームワークを提案する。
まず、マルチスケールFCNを計算するために、明確に定義されたマルチスケールアトラスのセットを用いる。
そこで我々は, 生物的に有意な脳階層的関係を多スケールアトラスの領域で利用し, 結節プールを行う。
論文 参考訳（メタデータ） (2022-09-22T04:17:57Z) - Mapping individual differences in cortical architecture using multi-view
representation learning [0.0]
本稿では,タスクfMRIと安静状態fMRIで計測されたアクティベーションと接続性に基づく情報を組み合わせて,新しい機械学習手法を提案する。
マルチビューディープ・オートエンコーダは、2つのfMRIモダリティを、患者を特徴づけるスカラースコアを推測するために予測モデルが訓練されたジョイント表現空間に融合させるように設計されている。
論文 参考訳（メタデータ） (2020-04-01T09:01:25Z)
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。