論文の概要: GeoLab: Geometry-based Tractography Parcellation of Superficial White Matter

• arxiv url: http://arxiv.org/abs/2303.01147v1
• Date: Thu, 2 Mar 2023 10:52:30 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-03 14:57:05.599859
• Title: GeoLab: Geometry-based Tractography Parcellation of Superficial White Matter
• Title（参考訳）: GeoLab: 幾何学に基づく表面白質の軌跡解析
• Authors: Nabil Vindas, Nicole Labra Avila, Fan Zhang, Tengfei Xue, Lauren J. O'Donnell, Jean-Fran\c{c}ois Mangin
• Abstract要約: 本稿では, 対象物から数百個の短い白色物質束を高速に分割する, 効率的な幾何学的解析法(GeoLab)を提案する。 この方法は657個のバンドルからなるEBRAINSヨーロッパインフラのSWMアトラスのために設計されている。
• 参考スコア（独自算出の注目度）: 3.3147826027601868
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Superficial white matter (SWM) has been less studied than long-range connections despite being of interest to clinical research, andfew tractography parcellation methods have been adapted to SWM. Here, we propose an efficient geometry-based parcellation method (GeoLab) that allows high-performance segmentation of hundreds of short white matter bundles from a subject. This method has been designed for the SWM atlas of EBRAINS European infrastructure, which is composed of 657 bundles. The atlas projection relies on the precomputed statistics of six bundle-specific geometrical properties of atlas streamlines. In the spirit of RecoBundles, a global and local streamline-based registration (SBR) is used to align the subject to the atlas space. Then, the streamlines are labeled taking into account the six geometrical parameters describing the similarity to the streamlines in the model bundle. Compared to other state-of-the-art methods, GeoLab allows the extraction of more bundles with a higher number of streamlines.
• Abstract（参考訳）: 表面白質 (SWM) は, 臨床研究に関心があるにもかかわらず, 長距離接続よりも研究が進んでいない。 そこで本研究では,対象物から数百個の短い白色物質束を高速に分割する,効率的な幾何解析手法(GeoLab)を提案する。 この方法は657個のバンドルからなるEBRAINSヨーロッパインフラのSWMアトラスのために設計されている。 アトラス射影はアトラス流線の6つのバンドル固有の幾何学的性質の事前計算された統計に依存する。 RecoBundlesの精神では、対象をアトラス空間に合わせるために、グローバルおよびローカルなストリームラインベースの登録(SBR)が使用される。 次に、モデルバンドルの流線との類似性を記述する6つの幾何学的パラメータを考慮に入れて、流線をラベル付けする。 他の最先端の方法と比較して、GeoLabはより多くの合理性のあるバンドルを抽出できる。

関連論文リスト

• Geometry-Aware Generative Autoencoders for Warped Riemannian Metric Learning and Generative Modeling on Data Manifolds [18.156807299614503]
  本稿では,多様体学習と生成モデルを組み合わせた新しいフレームワークであるGeometry-Aware Generative Autoencoder (GAGA)を紹介する。 GAGAは、シミュレーションおよび実世界のデータセットにおける競合性能を示し、単一セルの集団レベルの軌道推定における最先端の手法よりも30%改善されている。
  論文  参考訳（メタデータ） (2024-10-16T17:53:26Z)
• GeoMix: Towards Geometry-Aware Data Augmentation [76.09914619612812]
  Mixupは画像分類におけるラベル付き限られたデータによる課題の緩和にかなりの成功を収めている。 In-place graph editing を利用した簡易かつ解釈可能な混合手法 Geometric Mixup (GeoMix) を提案する。
  論文  参考訳（メタデータ） (2024-07-15T12:58:04Z)
• SOOD++: Leveraging Unlabeled Data to Boost Oriented Object Detection [59.868772767818975]
  本稿では,SOOD++ と呼ばれる簡易かつ効果的な半教師付きオブジェクト指向検出手法を提案する。 具体的には、空中画像からの物体は、通常任意の向き、小さなスケール、集約である。 様々なラベル付き環境下での多目的オブジェクトデータセットに対する大規模な実験により,本手法の有効性が示された。
  論文  参考訳（メタデータ） (2024-07-01T07:03:51Z)
• Boundary Detection Algorithm Inspired by Locally Linear Embedding [8.259071011958254]
  本稿では,広く使用されている局所的線形埋め込みアルゴリズムにインスパイアされた境界点検出手法を提案する。 本手法は,2つの近傍探索スキーム($epsilon$-radius ball scheme)と$K$-nearest neighbor scheme($K$-nearest neighbor scheme)を用いて実装する。
  論文  参考訳（メタデータ） (2024-06-26T16:05:57Z)
• Improving embedding of graphs with missing data by soft manifolds [51.425411400683565]
  グラフ埋め込みの信頼性は、連続空間の幾何がグラフ構造とどの程度一致しているかに依存する。 我々は、この問題を解決することができる、ソフト多様体と呼ばれる新しい多様体のクラスを導入する。 グラフ埋め込みにソフト多様体を用いることで、複雑なデータセット上のデータ解析における任意のタスクを追求するための連続空間を提供できる。
  論文  参考訳（メタデータ） (2023-11-29T12:48:33Z)
• GeoLLM: Extracting Geospatial Knowledge from Large Language Models [49.20315582673223]
  大規模言語モデルから地理空間的知識を効果的に抽出する新しい手法であるGeoLLMを提案する。 我々は、人口密度や経済生活の計測など、国際社会への関心の中心となる複数の課題にまたがるアプローチの有用性を実証する。 実験の結果, LLMは試料効率が高く, 地理空間情報に富み, 世界中のロバストであることがわかった。
  論文  参考訳（メタデータ） (2023-10-10T00:03:23Z)
• Generative sampling in tractography using autoencoders (GESTA) [5.817874864936685]
  現在のトラクトグラフィー手法では、シード位置からの流線型を伝播するために、局所的な向き情報を用いる。 GESTAと呼ばれる生成型オートエンコーダベースの手法を提案する。
  論文  参考訳（メタデータ） (2022-04-22T18:49:22Z)
• Two Heads are Better than One: Geometric-Latent Attention for Point Cloud Classification and Segmentation [10.2254921311882]
  本稿では,幾何学的特徴と潜在的特徴を組み合わせて3次元シーンを意味のある部分集合に分割する,革新的な2頭部アテンション層を提案する。 各ヘッドは、幾何学的特徴または潜在的特徴のいずれかを用いて、局所的およびグローバルな情報を組み合わせて、この情報を使用して、より良い局所的関係を学習する。
  論文  参考訳（メタデータ） (2021-10-30T11:20:56Z)
• SetMargin Loss applied to Deep Keystroke Biometrics with Circle Packing Interpretation [67.0845003374569]
  本研究は,新しい距離距離学習法(DML)に基づくキーストロークバイオメトリックスのための新しい深層学習手法を提案する。 提案手法の有効性を実験的に証明し, キーストロークの生体認証を78,000名の被験者に対して行った。
  論文  参考訳（メタデータ） (2021-09-02T13:26:57Z)
• GeoSP: A parallel method for a cortical surface parcellation based on geodesic distance [0.2955543753858105]
  GeoSPは、測地線距離に基づいて皮質メッシュのパーセレーションを生成する並列手法である。 提案手法は、データ駆動型皮質パーセレーションの評価を行うために、コミュニティで利用可能になる。
  論文  参考訳（メタデータ） (2021-03-26T16:43:04Z)
• Fewer is More: A Deep Graph Metric Learning Perspective Using Fewer Proxies [65.92826041406802]
  本稿では,グラフ分類の観点から,プロキシベースのディープグラフメトリックラーニング手法を提案する。 複数のグローバルプロキシを利用して、各クラスの元のデータポイントを総括的に近似する。 本研究では, 近接関係を接地トラス・ラベルに従って調整する, 新たな逆ラベル伝搬アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2020-10-26T14:52:42Z)

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。