論文の概要: Brain Diffuser: An End-to-End Brain Image to Brain Network Pipeline
- arxiv url: http://arxiv.org/abs/2303.06410v1
- Date: Sat, 11 Mar 2023 14:04:58 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-14 19:10:28.732130
- Title: Brain Diffuser: An End-to-End Brain Image to Brain Network Pipeline
- Title(参考訳): brain diffuser: エンド・ツー・エンドの脳画像から脳ネットワークパイプライン
- Authors: Xuhang Chen, Baiying Lei, Chi-Man Pun, Shuqiang Wang
- Abstract要約: 脳ディフューザー(Brain diffuser)は、拡散に基づくエンド・ツー・エンドの脳ネットワーク生成モデルである。
被験者間の構造的脳ネットワークの差異を分析することで、より構造的接続性や疾患関連情報を利用する。
アルツハイマー病の場合、提案モデルは、アルツハイマー病神経画像イニシアチブデータベース上の既存のツールキットの結果より優れている。
- 参考スコア(独自算出の注目度): 54.93591298333767
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Brain network analysis is essential for diagnosing and intervention for
Alzheimer's disease (AD). However, previous research relied primarily on
specific time-consuming and subjective toolkits. Only few tools can obtain the
structural brain networks from brain diffusion tensor images (DTI). In this
paper, we propose a diffusion based end-to-end brain network generative model
Brain Diffuser that directly shapes the structural brain networks from DTI.
Compared to existing toolkits, Brain Diffuser exploits more structural
connectivity features and disease-related information by analyzing disparities
in structural brain networks across subjects. For the case of Alzheimer's
disease, the proposed model performs better than the results from existing
toolkits on the Alzheimer's Disease Neuroimaging Initiative (ADNI) database.
- Abstract(参考訳): 脳ネットワーク解析はアルツハイマー病(AD)の診断と治療に不可欠である。
しかし、以前の研究は主に特定の時間的および主観的なツールキットに依存していた。
脳拡散テンソル画像(DTI)から構造的脳ネットワークを得ることができるツールはほとんどない。
本稿では,DTIから構造脳ネットワークを直接形成する拡散型エンド・ツー・エンド脳ネットワーク生成モデルであるBrain Diffuserを提案する。
既存のツールキットと比較して、brain diffuserは、被験者間の構造的脳ネットワークの相違を分析して、より構造的な接続機能と疾患関連情報を利用する。
アルツハイマー病の症例では,既存のアルツハイマー病画像データベース(adni)の結果より,提案モデルの方が優れていた。
関連論文リスト
- MindAligner: Explicit Brain Functional Alignment for Cross-Subject Visual Decoding from Limited fMRI Data [64.92867794764247]
MindAlignerは、限られたfMRIデータからのクロスオブジェクト脳デコーディングのためのフレームワークである。
脳伝達マトリックス(BTM)は、任意の新しい被験者の脳信号を既知の被験者の1人に投射する。
脳機能アライメントモジュールは、異なる視覚刺激下で軟質なクロスオブジェクト脳アライメントを実行するために提案されている。
論文 参考訳(メタデータ) (2025-02-07T16:01:59Z) - BrainOOD: Out-of-distribution Generalizable Brain Network Analysis [19.986844377608247]
グラフニューラルネットワーク(GNN)は、脳ネットワークの分析に有望であることを示している。
BrainOODは、GNNのアウト・オブ・ディストリビューションの一般化と解釈性を強化する脳ネットワークに適した新しいフレームワークである。
提案手法は16の既存手法より優れ,OOD対象への一般化が最大8.5%向上する。
論文 参考訳(メタデータ) (2025-02-02T14:26:09Z) - BrainMAP: Learning Multiple Activation Pathways in Brain Networks [77.15180533984947]
本稿では,脳ネットワークにおける複数の活性化経路を学習するための新しいフレームワークであるBrainMAPを紹介する。
本フレームワークは,タスクに関わる重要な脳領域の説明的分析を可能にする。
論文 参考訳(メタデータ) (2024-12-23T09:13:35Z) - Brain-like Functional Organization within Large Language Models [58.93629121400745]
人間の脳は長い間人工知能(AI)の追求にインスピレーションを与えてきた
最近のニューロイメージング研究は、人工ニューラルネットワーク(ANN)の計算的表現と、人間の脳の刺激に対する神経反応との整合性の説得力のある証拠を提供する。
本研究では、人工ニューロンのサブグループと機能的脳ネットワーク(FBN)を直接結合することで、このギャップを埋める。
このフレームワークはANサブグループをFBNにリンクし、大きな言語モデル(LLM)内で脳に似た機能的組織を記述できる。
論文 参考訳(メタデータ) (2024-10-25T13:15:17Z) - BrainNetDiff: Generative AI Empowers Brain Network Generation via
Multimodal Diffusion Model [7.894526238189559]
我々は、マルチヘッドトランスフォーマーエンコーダを組み合わせてfMRI時系列から関連する特徴を抽出するBrainNetDiffを紹介する。
健康・神経障害コホートにおける脳ネットワーク構築におけるこの枠組みの適用性を検証する。
論文 参考訳(メタデータ) (2023-11-09T08:27:12Z) - Transformer-Based Hierarchical Clustering for Brain Network Analysis [13.239896897835191]
本稿では,階層型クラスタ同定と脳ネットワーク分類のための新しい解釈可能なトランスフォーマーモデルを提案する。
階層的クラスタリング(hierarchical clustering)の助けを借りて、このモデルは精度の向上と実行時の複雑性の低減を実現し、脳領域の機能的構造に関する明確な洞察を提供する。
論文 参考訳(メタデータ) (2023-05-06T22:14:13Z) - Adversarial Learning Based Structural Brain-network Generative Model for
Analyzing Mild Cognitive Impairment [7.403660531145136]
軽度認知障害(MCI)はアルツハイマー病(AD)の前駆体である
本研究では,脳拡散テンソル画像から直接構造的接続を学習するために,逆学習に基づく構造的脳ネットワーク生成モデル(SBGM)を提案する。
提案モデルでは,アルツハイマー病神経画像イニシアチブ(ADNI)データベース上で,EMCI,LMCI,NCの3つの被験者を分類し,83.33%の精度で分類した。
論文 参考訳(メタデータ) (2022-08-09T02:45:53Z) - Functional2Structural: Cross-Modality Brain Networks Representation
Learning [55.24969686433101]
脳ネットワーク上のグラフマイニングは、臨床表現型および神経変性疾患のための新しいバイオマーカーの発見を促進する可能性がある。
本稿では,Deep Signed Brain Networks (DSBN) と呼ばれる新しいグラフ学習フレームワークを提案する。
臨床表現型および神経変性疾患予測の枠組みを,2つの独立した公開データセットを用いて検証した。
論文 参考訳(メタデータ) (2022-05-06T03:45:36Z) - BrainNetGAN: Data augmentation of brain connectivity using generative
adversarial network for dementia classification [9.312868504719193]
アルツハイマー病は最も一般的な年齢関連認知症である。
脳MRIは、脳の老化を検出する非侵襲的なバイオマーカーを提供する。
アルツハイマー病は最も一般的な年齢関連認知症である。
論文 参考訳(メタデータ) (2021-03-10T23:44:53Z) - Towards a Neural Model for Serial Order in Frontal Cortex: a Brain
Theory from Memory Development to Higher-Level Cognition [53.816853325427424]
そこで本研究では,未熟な前頭前野 (PFC) が側頭葉信号の階層的パターンを検出する主要な機能を利用していることを提案する。
我々の仮説では、PFCは順序パターンの形で時間的配列の階層構造を検出し、それらを脳の異なる部分で階層的に情報をインデックスするために利用する。
これにより、抽象的な知識を操作し、時間的に順序付けられた情報を計画するための言語対応の脳にツールを提供する。
論文 参考訳(メタデータ) (2020-05-22T14:29:51Z)
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。