論文の概要: Population-wise Labeling of Sulcal Graphs using Multi-graph Matching
- arxiv url: http://arxiv.org/abs/2301.13532v1
- Date: Tue, 31 Jan 2023 10:26:44 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-01 16:57:35.826178
- Title: Population-wise Labeling of Sulcal Graphs using Multi-graph Matching
- Title（参考訳）: マルチグラフマッチングによるSulcal Graphsの集団的ラベリング
- Authors: Rohit Yadav (AMU, INT, LIS), Fran\c{c}ois-Xavier Dup\'e (LIS, QARMA),
S. Takerkart (INT), Guillaume Auzias (INT)
- Abstract要約: 神経疾患や精神疾患のバイオマーカーを同定するためには、皮質の折りたたみの集団的マッチングが必要である。
この難しさは、折り目の形態と空間的構造における大きな個人間差から生じる。
本稿では,マルチグラフマッチング手法を用いて,人口レベルでのスルカルグラフマッチングの問題に対処する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Population-wise matching of the cortical fold is necessary to identify
biomarkers of neurological or psychiatric disorders. The difficulty comes from
the massive interindividual variations in the morphology and spatial
organization of the folds. This task is challenging at both methodological and
conceptual levels. In the widely used registration-based techniques, these
variations are considered as noise and the matching of folds is only implicit.
Alternative approaches are based on the extraction and explicit identification
of the cortical folds. In particular, representing cortical folding patterns as
graphs of sulcal basins-termed sulcal graphs-enables to formalize the task as a
graph-matching problem. In this paper, we propose to address the problem of
sulcal graph matching directly at the population level using multi-graph
matching techniques. First, we motivate the relevance of multi-graph matching
framework in this context. We then introduce a procedure to generate
populations of artificial sulcal graphs, which allows us benchmarking several
state of the art multi-graph matching methods. Our results on both artificial
and real data demonstrate the effectiveness of multi-graph matching techniques
to obtain a population-wise consistent labeling of cortical folds at the sulcal
basins level.
- Abstract（参考訳）: 神経疾患や精神疾患のバイオマーカーを特定するには、皮質の折りたたみの集団的マッチングが必要である。
難易度は、折りたたみの形状と空間構造における大きな個体間変化から生じる。
この課題は方法論レベルと概念レベルの両方において困難である。
広く使われている登録に基づく手法では、これらのバリエーションはノイズと見なされ、折りたたみのマッチングは暗黙的である。
別のアプローチは、皮質の折りたたみの抽出と明示的な識別に基づいている。
特に、sulcal basins-termed sulcal graphs-enables のグラフとして皮質の折り畳みパターンを表現し、そのタスクをグラフマッチング問題として形式化する。
本稿では,マルチグラフマッチング手法を用いて,人口レベルで直接一致するサルカルグラフの問題に対処することを提案する。
まず,この文脈におけるマルチグラフマッチングフレームワークの関連性について考察する。
次に,人工糖グラフの集団を生成する手法を導入し,人工糖グラフマッチング手法のいくつかの状態をベンチマークする。
人工的, 実データともに, 多グラフマッチング手法の有効性を実証し, sulcal basinsレベルでの皮質折り畳みの集団的一貫したラベル付けについて検討した。
関連論文リスト
- From Graph Diffusion to Graph Classification [21.2763549550792]
グラフ拡散モデルをグラフ分類に適用する方法を示す。
サンプリングベース推論手法を用いた実験では,識別訓練により最先端のグラフ分類精度が達成される。
論文 参考訳（メタデータ） (2024-11-26T08:57:41Z) - Mitigating Label Noise on Graph via Topological Sample Selection [72.86862597508077]
トポロジ情報を活用することで,グラフ内の情報的サンプル選択プロセスを促進できる$textitTopological Sample Selection$ (TSS)法を提案する。
提案手法は,対象のクリーン分布下での予測されるリスク上限の上限を最小化し,最先端のベースラインと比較して,提案手法の優位性を実験的に示す。
論文 参考訳（メタデータ） (2024-03-04T11:24:51Z) - Efficient Subgraph Isomorphism using Graph Topology [10.332465264309693]
部分グラフ同型 (subgraph isomorphism) あるいは部分グラフマッチング (subgraph matching) は一般にNP完全問題と考えられる。
ほとんど全てのサブグラフマッチング手法はノードラベルを使用してノード-ノードマッチングを行う。
本稿では,ノードラベルのない不正確な場合において,サブグラフとフルグラフのノード対応を同定する手法を提案する。
論文 参考訳（メタデータ） (2022-09-15T02:45:05Z) - Harnessing spectral representations for subgraph alignment [15.86857474914914]
本稿では,コンパクトで計算が容易で,トポロジ的変化に頑健で,既存のパイプラインに差し込むのが容易で,特に部分グラフアライメント問題に有効である地図のスペクトル表現を提案する。
サブグラフアライメントタスクで生じる部分性がマップ係数の特別な構造として表される驚くべき現象を初めて報告する。
論文 参考訳（メタデータ） (2022-05-30T09:03:28Z) - Joint Graph Learning and Matching for Semantic Feature Correspondence [69.71998282148762]
本稿では,グラフマッチングを向上するための信頼度の高いグラフ構造を探索するために,GLAMという共用電子グラフ学習とマッチングネットワークを提案する。
提案手法は,3つの人気ビジュアルマッチングベンチマーク (Pascal VOC, Willow Object, SPair-71k) で評価される。
すべてのベンチマークにおいて、従来の最先端のグラフマッチング手法よりも大きなマージンを達成している。
論文 参考訳（メタデータ） (2021-09-01T08:24:02Z) - Spatial-spectral Hyperspectral Image Classification via Multiple Random
Anchor Graphs Ensemble Learning [88.60285937702304]
本稿では,複数のランダムアンカーグラフアンサンブル学習(RAGE)を用いた空間スペクトルHSI分類手法を提案する。
まず、各選択されたバンドのより記述的な特徴を抽出し、局所的な構造と領域の微妙な変化を保存するローカルバイナリパターンを採用する。
次に,アンカーグラフの構成に適応隣接代入を導入し,計算複雑性を低減した。
論文 参考訳（メタデータ） (2021-03-25T09:31:41Z) - Multilayer Clustered Graph Learning [66.94201299553336]
我々は、観測された層を代表グラフに適切に集約するために、データ忠実度用語として対照的な損失を用いる。
実験により,本手法がクラスタクラスタw.r.tに繋がることが示された。
クラスタリング問題を解くためのクラスタリングアルゴリズムを学習する。
論文 参考訳（メタデータ） (2020-10-29T09:58:02Z) - Graph embedding using multi-layer adjacent point merging model [23.706877029336415]
本稿では, 隣接した多層マージ点モデルを用いたグラフ埋め込み手法を提案する。
この埋め込み手法により、列車データから異なるサブグラフパターンを抽出できる。
数値解析により,提案手法が多くの最先端手法より優れていることを示す。
論文 参考訳（メタデータ） (2020-10-28T05:35:04Z) - Line Graph Neural Networks for Link Prediction [71.00689542259052]
実世界の多くのアプリケーションにおいて古典的なグラフ解析問題であるグラフリンク予測タスクについて検討する。
このフォーマリズムでは、リンク予測問題をグラフ分類タスクに変換する。
本稿では,線グラフをグラフ理論に用いて,根本的に異なる新しい経路を求めることを提案する。
特に、線グラフの各ノードは、元のグラフのユニークなエッジに対応するため、元のグラフのリンク予測問題は、グラフ分類タスクではなく、対応する線グラフのノード分類問題として等価に解決できる。
論文 参考訳（メタデータ） (2020-10-20T05:54:31Z) - Neural Subgraph Matching [57.05893848555512]
NeuroMatchは、サブグラフマッチングに対する正確で効率的で堅牢な神経アプローチである。
NeuroMatchは、既存の幾何学的アプローチよりも100倍高速で、既存のサブグラフマッチング手法よりも18%精度が高い。
論文 参考訳（メタデータ） (2020-07-06T22:06:38Z)
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。