論文の概要: ImageNomer: description of a functional connectivity and omics analysis
tool and case study identifying a race confound
- arxiv url: http://arxiv.org/abs/2302.00767v2
- Date: Wed, 11 Oct 2023 18:23:59 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-16 04:11:17.704154
- Title: ImageNomer: description of a functional connectivity and omics analysis
tool and case study identifying a race confound
- Title（参考訳）: ImageNomer: 機能的コネクティビティとオミクス分析ツールの説明と、人種の混在を識別するケーススタディ
- Authors: Anton Orlichenko, Grant Daly, Ziyu Zhou, Anqi Liu, Hui Shen, Hong-Wen
Deng, Yu-Ping Wang
- Abstract要約: ImageNomerは、主観レベルとコホートレベルの両方の人口動態、ゲノム、画像の特徴を検査できるデータ可視化分析ツールである。
達成点の予測において,予期せぬ競合を識別することで,ImageNomerの有用性を実証する。
この研究は、健常青年のfMRIおよびSNPデータに偏りのない達成に関連する特徴を見出す可能性に疑問を投げかけている。
- 参考スコア（独自算出の注目度）: 11.948945216339197
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Most packages for the analysis of fMRI-based functional connectivity (FC) and
genomic data are used with a programming language interface, lacking an
easy-to-navigate GUI frontend. This exacerbates two problems found in these
types of data: demographic confounds and quality control in the face of high
dimensionality of features. The reason is that it is too slow and cumbersome to
use a programming interface to create all the necessary visualizations required
to identify all correlations, confounding effects, or quality control problems
in a dataset. To remedy this situation, we have developed ImageNomer, a data
visualization and analysis tool that allows inspection of both subject-level
and cohort-level demographic, genomic, and imaging features. The software is
Python-based, runs in a self-contained Docker image, and contains a
browser-based GUI frontend. We demonstrate the usefulness of ImageNomer by
identifying an unexpected race confound when predicting achievement scores in
the Philadelphia Neurodevelopmental Cohort (PNC) dataset. In the past, many
studies have attempted to use FC to identify achievement-related features in
fMRI. Using ImageNomer, we find a clear potential for confounding effects of
race. Using correlation analysis in the ImageNomer software, we show that FCs
correlated with Wide Range Achievement Test (WRAT) score are in fact more
highly correlated with race. Investigating further, we find that whereas both
FC and SNP (genomic) features can account for 10-15\% of WRAT score variation,
this predictive ability disappears when controlling for race. In this work, we
demonstrate the advantage of our ImageNomer GUI tool in data exploration and
confound detection. Additionally, this work identifies race as a strong
confound in FC data and casts doubt on the possibility of finding unbiased
achievement-related features in fMRI and SNP data of healthy adolescents.
- Abstract（参考訳）: fMRIベースの機能接続(FC)とゲノムデータを解析するためのほとんどのパッケージは、プログラム言語インタフェースで使用され、ナビゲートが容易なGUIフロントエンドが欠如している。
これは、これらの種類のデータに見られる2つの問題を悪化させる: 人口統計学と、特徴の高次元に直面した品質管理である。
その理由は、すべての相関関係、結合効果、あるいはデータセットの品質管理問題を特定するために必要なすべての視覚化を作成するために、プログラミングインターフェースを使用するのが遅すぎるためである。
この状況を改善するために、我々は、主観レベルとコホートレベルの両方の人口動態、ゲノム、画像の特徴を検査できるデータ可視化分析ツールであるImageNomerを開発した。
ソフトウェアはPythonベースで、自己完結型のDockerイメージで動作し、ブラウザベースのGUIフロントエンドを含んでいる。
フィラデルフィア・ニューロデベロップメント・コホート(PNC)データセットの達成点を予測する際に,予期せぬ競合を識別し,画像Nomerの有用性を示す。
過去に、多くの研究が、fMRIの達成に関連する特徴を特定するためにFCを使用しようと試みてきた。
ImageNomerを使えば、人種の影響を解消する可能性が明らかになる。
ImageNomer ソフトウェアにおける相関解析を用いて,WRAT ( Wide Range Achievement Test) スコアに相関したFCが,実際にレースと高い相関関係にあることを示す。
さらに, FCとSNP(ゲノム)の特徴はWRATスコアの変動の10～15倍であるが, この予測能力はレース制御時に消失することがわかった。
本研究では,ImageNomer GUIツールによるデータ探索とコンファウンド検出の利点を実証する。
さらに、この研究は、レースがFCデータに強い矛盾点であると認識し、健康な青年のfMRIおよびSNPデータに偏りのない達成に関連する特徴を見出す可能性に疑問を投げかける。
関連論文リスト
- Self-Training with Pseudo-Label Scorer for Aspect Sentiment Quad Prediction [54.23208041792073]
Aspect Sentiment Quad Prediction (ASQP) は、与えられたレビューに対して全てのクワッド(アスペクト項、アスペクトカテゴリー、意見項、感情極性)を予測することを目的としている。
ASQPタスクにおける重要な課題はラベル付きデータの不足であり、既存のメソッドのパフォーマンスを制限している。
そこで我々は,擬似ラベルスコアラーを用いた自己学習フレームワークを提案し,レビューと擬似ラベルの一致をスコアラーが評価する。
論文 参考訳（メタデータ） (2024-06-26T05:30:21Z) - Learning Multimodal Volumetric Features for Large-Scale Neuron Tracing [72.45257414889478]
オーバーセグメントニューロン間の接続を予測し,人間の作業量を削減することを目的としている。
最初はFlyTracingという名前のデータセットを構築しました。
本稿では,高密度なボリュームEM画像の埋め込みを生成するための,新しい接続性を考慮したコントラスト学習手法を提案する。
論文 参考訳（メタデータ） (2024-01-05T19:45:12Z) - BOURNE: Bootstrapped Self-supervised Learning Framework for Unified
Graph Anomaly Detection [50.26074811655596]
自己指導型自己学習(BOURNE)に基づく新しい統合グラフ異常検出フレームワークを提案する。
ノードとエッジ間のコンテキスト埋め込みを交換することで、ノードとエッジの異常を相互に検出できる。
BOURNEは、負のサンプリングを必要としないため、大きなグラフを扱う際の効率を高めることができる。
論文 参考訳（メタデータ） (2023-07-28T00:44:57Z) - Learnable Graph Matching: A Practical Paradigm for Data Association [74.28753343714858]
これらの問題に対処するための一般的な学習可能なグラフマッチング法を提案する。
提案手法は,複数のMOTデータセット上での最先端性能を実現する。
画像マッチングでは,一般的な屋内データセットであるScanNetで最先端の手法より優れている。
論文 参考訳（メタデータ） (2023-03-27T17:39:00Z) - AU-aware graph convolutional network for Macro- and Micro-expression
spotting [44.507747407072685]
我々はAUW-GCN(Action-Unit-aWare Graph Convolutional Network)と呼ばれるグラフ畳み込み型ネットワークを提案する。
先行情報を注入し、小さなデータセットの問題に対処するために、AU関連統計データをネットワークにエンコードする。
その結果, 2つのベンチマークデータセットにおいて, ベースライン手法を一貫して向上させ, 新たなSOTA性能を実現することができた。
論文 参考訳（メタデータ） (2023-03-16T07:00:36Z) - Neural Relation Graph: A Unified Framework for Identifying Label Noise
and Outlier Data [44.64190826937705]
本稿では,データのリレーショナルグラフ構造に基づいてラベルエラーや外れ値データを検出するスケーラブルなアルゴリズムを提案する。
また,特徴埋め込み空間におけるデータポイントのコンテキスト情報を提供する可視化ツールも導入した。
提案手法は,検討対象のタスクすべてに対して最先端検出性能を達成し,大規模実世界のデータセットでその有効性を実証する。
論文 参考訳（メタデータ） (2023-01-29T02:09:13Z) - Beyond the Gates of Euclidean Space: Temporal-Discrimination-Fusions and
Attention-based Graph Neural Network for Human Activity Recognition [5.600003119721707]
ウェアラブルデバイスによるヒューマンアクティビティ認識(HAR)は、フィットネストラッキング、ウェルネススクリーニング、生活支援など多くの応用により、大きな関心を集めている。
従来のディープラーニング(DL)は、HARドメインのアートパフォーマンスの状態を規定している。
提案手法はグラフニューラルネットワーク(GNN)を用いて,入力表現を構造化し,サンプル間の関係性を利用する手法である。
論文 参考訳（メタデータ） (2022-06-10T03:04:23Z) - Interactive Visual Pattern Search on Graph Data via Graph Representation
Learning [20.795511688640296]
視覚分析システムGraphQは、ループ内、サンプルベース、サブグラフパターン検索をサポートする。
高速で対話的なクエリをサポートするために、グラフニューラルネットワーク(GNN)を使用して、グラフを固定長潜在ベクトル表現としてエンコードする。
また,NuroAlignと呼ばれるノードアライメントのための新しいGNNを提案し,クエリ結果の検証と解釈を容易にする。
論文 参考訳（メタデータ） (2022-02-18T22:30:28Z) - Node Feature Extraction by Self-Supervised Multi-scale Neighborhood
Prediction [123.20238648121445]
我々は、新しい自己教師型学習フレームワーク、グラフ情報支援ノード機能exTraction (GIANT)を提案する。
GIANT は eXtreme Multi-label Classification (XMC) 形式を利用しており、これはグラフ情報に基づいた言語モデルの微調整に不可欠である。
我々は,Open Graph Benchmarkデータセット上での標準GNNパイプラインよりもGIANTの方が優れた性能を示す。
論文 参考訳（メタデータ） (2021-10-29T19:55:12Z) - Coarse-to-Fine Object Tracking Using Deep Features and Correlation
Filters [2.3526458707956643]
本稿では,新しいディープラーニング追跡アルゴリズムを提案する。
対象の翻訳を大まかに推定するために,深層特徴の一般化能力を利用する。
そして,相関フィルタの識別力を利用して追跡対象を正確に局所化する。
論文 参考訳（メタデータ） (2020-12-23T16:43:21Z) - ConsNet: Learning Consistency Graph for Zero-Shot Human-Object
Interaction Detection [101.56529337489417]
画像中のHuman, Action, Object>の形のHOIインスタンスを検出・認識することを目的としたHuman-Object Interaction (HOI) Detectionの問題点を考察する。
我々は、オブジェクト、アクション、インタラクション間の多レベルコンパレンシーは、稀な、あるいは以前には見られなかったHOIのセマンティック表現を生成するための強力な手がかりであると主張している。
提案モデルでは,人-対象のペアの視覚的特徴とHOIラベルの単語埋め込みを入力とし,それらを視覚-意味的関節埋め込み空間にマッピングし,類似度を計測して検出結果を得る。
論文 参考訳（メタデータ） (2020-08-14T09:11:18Z)
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。