論文の概要: Deep Labeling of fMRI Brain Networks

• arxiv url: http://arxiv.org/abs/2305.03814v1
• Date: Fri, 5 May 2023 19:42:11 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-09 19:22:00.154009
• Title: Deep Labeling of fMRI Brain Networks
• Title（参考訳）: fMRI脳ネットワークのディープラベリング
• Authors: Ammar Ahmed Pallikonda Latheef (1), Sejal Ghate (2), Zhipeng Hui (1), Alberto Santamaria-Pang (3), Ivan Tarapov (3), Haris I Sair (4 and 5), and Craig K Jones (1, 4 and 5) ((1) Department of Computer Science, Johns Hopkins University, (2) Department of Biomedical Engineering, Johns Hopkins University, (3) Health AI, Microsoft, Redmond Washington, (4) Department of Radiology and Radiological Science, Johns Hopkins School of Medicine, (5) Malone Center for Engineering in Healthcare, Johns Hopkins University)
• Abstract要約: 神経外科医を誘導する前外科的計画において、安静状態機能型磁気共鳴イメージング(RS-fMRI)から抽出された脳の安静状態ネットワーク(RSN)が使用される。 臨床試験で使用される効率的で標準化された方法が欠如している。 RSNをラベル付けするための正確で高速で軽量なディープラーニング手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Resting State Networks (RSNs) of the brain extracted from Resting State functional Magnetic Resonance Imaging (RS-fMRI) are used in the pre-surgical planning to guide the neurosurgeon. This is difficult, though, as expert knowledge is required to label each of the RSNs. There is a lack of efficient and standardized methods to be used in clinical workflows. Additionally, these methods need to be generalizable since the method needs to work well regardless of the acquisition technique. We propose an accurate, fast, and lightweight deep learning approach to label RSNs. Group Independent Component Analysis (ICA) was used to extract large scale functional connectivity patterns in the cohort and dual regression was used to back project them on individual subject RSNs. We compare a Multi-Layer Perceptron (MLP) based method with 2D and 3D Convolutional Neural Networks (CNNs) and find that the MLP is faster and more accurate. The MLP method performs as good or better than other works despite its compact size. We prove the generalizability of our method by showing that the MLP performs at 100% accuracy in the holdout dataset and 98.3% accuracy in three other sites' fMRI acquisitions.
• Abstract（参考訳）: 静止状態機能mri(rs-fmri)から抽出された脳の静止状態ネットワーク(rsns)は、神経外科医を導くための手術前計画に使用される。 しかし、専門家の知識がそれぞれのRSNをラベル付けする必要があるため、これは難しい。 臨床ワークフローで使用される効率的で標準化された方法が欠けている。 さらに、メソッドは取得技術に関係なくうまく機能する必要があるため、これらのメソッドは一般化する必要がある。 RSNをラベル付けするための正確で高速で軽量なディープラーニング手法を提案する。 グループ独立成分分析 (ica) はコホートにおける大規模機能的接続パターンを抽出し, 2重回帰は個々の対象rsnにそれらを投影するために用いられた。 MLPをベースとしたMulti-Layer Perceptron (MLP) 法と2次元および3次元畳み込みニューラルネットワーク (CNN) を比較し,より高速かつ高精度であることを示す。 MLP法は、コンパクトなサイズにもかかわらず、他の作品よりも良い、または良い性能を発揮する。 本手法の汎用性は,mlpがホールドアウトデータセットで100%,他の3サイトのfmri取得で98.3%の精度を示すことによって証明する。

関連論文リスト

• Brain Tumor Classification on MRI in Light of Molecular Markers [61.77272414423481]
  1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。 本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
  論文  参考訳（メタデータ） (2024-09-29T07:04:26Z)
• ACTION: Augmentation and Computation Toolbox for Brain Network Analysis with Functional MRI [28.639321546348654]
  ActionはfMRI分析のためのPythonベースのクロスプラットフォームツールボックスである。 自動fMRI増強、血液酸素レベル依存(BOLD)シグナル増強、脳ネットワーク増強を可能にする。 大規模な補助的なラベルなしデータを活用するディープラーニングモデルの構築をサポートする。
  論文  参考訳（メタデータ） (2024-05-10T01:45:09Z)
• Heterogenous Memory Augmented Neural Networks [84.29338268789684]
  ニューラルネットワークのための新しいヘテロジニアスメモリ拡張手法を提案する。 学習可能なメモリトークンをアテンション機構付きで導入することにより、膨大な計算オーバーヘッドを伴わずに性能を効果的に向上させることができる。 In-distriion (ID) と Out-of-distriion (OOD) の両方の条件下での様々な画像およびグラフベースのタスクに対するアプローチを示す。
  論文  参考訳（メタデータ） (2023-10-17T01:05:28Z)
• Source-Free Collaborative Domain Adaptation via Multi-Perspective Feature Enrichment for Functional MRI Analysis [55.03872260158717]
  安静時MRI機能(rs-fMRI)は、神経疾患の分析を助けるために多地点で研究されている。 ソース領域とターゲット領域の間のfMRIの不均一性を低減するための多くの手法が提案されている。 しかし、マルチサイト研究における懸念やデータストレージの負担のため、ソースデータの取得は困難である。 我々は、fMRI解析のためのソースフリー協調ドメイン適応フレームワークを設計し、事前訓練されたソースモデルとラベルなしターゲットデータのみにアクセスできるようにする。
  論文  参考訳（メタデータ） (2023-08-24T01:30:18Z)
• Lightweight 3D Convolutional Neural Network for Schizophrenia diagnosis using MRI Images and Ensemble Bagging Classifier [1.487444917213389]
  本稿では,MRI画像を用いた統合失調症診断のための軽量3次元畳み込みニューラルネットワーク(CNN)フレームワークを提案する。 精度は92.22%、感度94.44%、特異度90%、精度90.43%、リコール94.44%、F1スコア92.39%、G平均92.19%である。
  論文  参考訳（メタデータ） (2022-11-05T10:27:37Z)
• Deep Labeling of fMRI Brain Networks Using Cloud Based Processing [0.0]
  静止状態fMRIは、機能領域を可視化し、局所活動を評価する神経外科的事前計画に使用される。 本稿では,クラウドベースのワークフローに rs-fMRI の画像処理を組み込んだ,エンドツーエンドの再現可能なパイプラインを提案する。 我々は、ディープラーニングを用いて、Resting State Networks(RSNs)の分類を自動化する。
  論文  参考訳（メタデータ） (2022-09-16T23:59:42Z)
• Bayesian Neural Network Language Modeling for Speech Recognition [59.681758762712754]
  長期記憶リカレントニューラルネットワーク(LSTM-RNN)とトランスフォーマーで表される最先端のニューラルネットワーク言語モデル(NNLM)は非常に複雑になりつつある。 本稿では,LSTM-RNN と Transformer LM の基盤となる不確実性を考慮するために,ベイズ学習フレームワークの全体構造を提案する。
  論文  参考訳（メタデータ） (2022-08-28T17:50:19Z)
• Mixed Precision Low-bit Quantization of Neural Network Language Models for Speech Recognition [67.95996816744251]
  長期間のメモリリカレントニューラルネットワーク(LSTM-RNN)とトランスフォーマーで表される最先端言語モデル(LM)は、実用アプリケーションではますます複雑で高価なものになりつつある。 現在の量子化法は、均一な精度に基づいており、量子化誤差に対するLMの異なる部分での様々な性能感度を考慮できない。 本稿では,新しい混合精度ニューラルネットワークLM量子化法を提案する。
  論文  参考訳（メタデータ） (2021-11-29T12:24:02Z)
• Complex-valued Federated Learning with Differential Privacy and MRI Applications [51.34714485616763]
  複雑な値を持つガウスのメカニズムを導入し、その振る舞いは$f$-DP、$(varepsilon, delta)$-DP、R'enyi-DPで特徴づけられる。 本稿では,DPと互換性のある複雑なニューラルネットワークプリミティブを提案する。 実験では,実世界の課題に対して,DPを用いた複合数値ニューラルネットワークを訓練することで概念実証を行う。
  論文  参考訳（メタデータ） (2021-10-07T14:03:00Z)
• Axial multi-layer perceptron architecture for automatic segmentation of choroid plexus in multiple sclerosis [1.9351159699664233]
  コロイド(CP)は脳脊髄液(CSF)を産生する脳の心室の構造である 私たちの知る限りでは、CPセグメンテーションのための唯一の無料ツールがFreeSurferです。 我々は、Axial Multi-layer Perceptrons (MLP) の組立に基づく「Axial-MLP」と呼ばれる新しいモデルを導入する。
  論文  参考訳（メタデータ） (2021-09-08T16:55:23Z)
• DFENet: A Novel Dimension Fusion Edge Guided Network for Brain MRI Segmentation [0.0]
  本稿では,2次元CNNと3次元CNNの特徴を融合させることにより,これらの要件を満たす新しいDFENetを提案する。 提案手法は, 既存の方法よりも頑健で正確であり, バイオメディカルな応用に頼ることができる。
  論文  参考訳（メタデータ） (2021-05-17T15:43:59Z)

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。