論文の概要: Implicit neural representations for joint decomposition and registration of gene expression images in the marmoset brain

• arxiv url: http://arxiv.org/abs/2308.04039v1
• Date: Tue, 8 Aug 2023 04:30:42 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-09 14:06:01.553926
• Title: Implicit neural representations for joint decomposition and registration of gene expression images in the marmoset brain
• Title（参考訳）: マーモセット脳における結合分解と遺伝子発現画像の登録のための暗黙的神経表現
• Authors: Michal Byra, Charissa Poon, Tomomi Shimogori, Henrik Skibbe
• Abstract要約: 暗黙的ニューラル表現に基づく新しい画像登録手法を提案し、脳画像のペアを登録する。 実験では,提案手法は優れた結果を与え,他の登録手法よりも優れていた。
• 参考スコア（独自算出の注目度）: 0.9940728137241215
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We propose a novel image registration method based on implicit neural representations that addresses the challenging problem of registering a pair of brain images with similar anatomical structures, but where one image contains additional features or artifacts that are not present in the other image. To demonstrate its effectiveness, we use 2D microscopy $\textit{in situ}$ hybridization gene expression images of the marmoset brain. Accurately quantifying gene expression requires image registration to a brain template, which is difficult due to the diversity of patterns causing variations in visible anatomical brain structures. Our approach uses implicit networks in combination with an image exclusion loss to jointly perform the registration and decompose the image into a support and residual image. The support image aligns well with the template, while the residual image captures individual image characteristics that diverge from the template. In experiments, our method provided excellent results and outperformed other registration techniques.
• Abstract（参考訳）: 本稿では,脳の2つの画像に類似した解剖学的構造を登録するが,一方の画像には他方の画像に存在しない特徴やアーティファクトが含まれているという課題を解決する,暗黙的な神経表現に基づく新しい画像登録法を提案する。 その効果を示すために,marmoset脳の2次元顕微鏡$\textit{in situ}$ハイブリダイゼーション遺伝子発現画像を用いた。 遺伝子発現を正確に定量化するには、脳テンプレートへの画像登録が必要である。 提案手法では,暗黙のネットワークと画像排除損失を併用して,画像の登録と分割を共同で行う。 サポートイメージはテンプレートとよく一致し、残りのイメージはテンプレートから切り離された個々のイメージ特性をキャプチャします。 実験では,提案手法は優れた結果を与え,他の登録手法よりも優れていた。

関連論文リスト

• 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)
• Bayesian Unsupervised Disentanglement of Anatomy and Geometry for Deep Groupwise Image Registration [50.62725807357586]
  本稿では,マルチモーダル群画像登録のための一般ベイズ学習フレームワークを提案する。 本稿では,潜在変数の推論手順を実現するために,新しい階層的変分自動符号化アーキテクチャを提案する。 心臓、脳、腹部の医療画像から4つの異なるデータセットを含む,提案された枠組みを検証する実験を行った。
  論文  参考訳（メタデータ） (2024-01-04T08:46:39Z)
• Second Sight: Using brain-optimized encoding models to align image distributions with human brain activity [0.0]
  本稿では,ボクセルエンコーディングモデルの予測と,対象画像によって誘発される脳活動パターンとの整合性を最大化するために,画像分布を反復的に洗練する新しい再構成手法(Second Sight)を提案する。 提案手法は,各イテレーションのセマンティックコンテンツと低レベル画像の細部を精細化することにより,高品質な再構成の分布に収束することを示す。
  論文  参考訳（メタデータ） (2023-06-01T17:31:07Z)
• Controllable Mind Visual Diffusion Model [58.83896307930354]
  脳信号の可視化は、人間の視覚システムとコンピュータビジョンモデルの間の重要なインターフェースとして機能する活発な研究領域として登場した。 我々は、制御可能なマインドビジュアルモデル拡散(CMVDM)と呼ばれる新しいアプローチを提案する。 CMVDMは属性アライメントとアシスタントネットワークを用いてfMRIデータから意味情報とシルエット情報を抽出する。 そして、制御モデルを利用して抽出した情報を画像合成に活用し、セマンティクスやシルエットの観点から視覚刺激によく似た画像を生成する。
  論文  参考訳（メタデータ） (2023-05-17T11:36:40Z)
• An automated pipeline to create an atlas of in situ hybridization gene expression data in the adult marmoset brain [1.2160831070561993]
  成人マーモセット脳におけるin situハイブリダイゼーション遺伝子の発現のアトラスを作成するための最初の自動パイプラインを提示する。 パイプラインは、顕微鏡画像からの遺伝子発現のセグメンテーションと、標準空間への画像の登録から構成される。
  論文  参考訳（メタデータ） (2023-03-13T05:02:34Z)
• Patched Diffusion Models for Unsupervised Anomaly Detection in Brain MRI [55.78588835407174]
  本稿では,正常脳解剖のパッチベース推定法として拡散モデルの生成タスクを再構築する手法を提案する。 腫瘍と多発性硬化症について検討し,既存のベースラインと比較して25.1%の改善がみられた。
  論文  参考訳（メタデータ） (2023-03-07T09:40:22Z)
• Subject-Specific Lesion Generation and Pseudo-Healthy Synthesis for Multiple Sclerosis Brain Images [1.7328025136996081]
  局所病変の特徴をモデル化するための新しい生成法を提案する。 健康な画像に合成病変を生成し、病理画像から被写体特異的な擬似健康画像を合成することができる。 提案手法は,脳画像分割ネットワークを訓練するための合成画像を生成するデータ拡張モジュールとして利用することができる。
  論文  参考訳（メタデータ） (2022-08-03T15:12:55Z)
• Symmetric-Constrained Irregular Structure Inpainting for Brain MRI Registration with Tumor Pathology [33.90454917741234]
  腫瘍領域に合成組織強度を発生させるコンテキスト認識型画像インパインティングフレームワークを提案する。 パッチワイズ機能間のセマンティックな関連性をモデル化して詳細を洗練するために,機能レベルのパッチマッチ改善モジュールを適用した。 提案手法は,信号対雑音比,構造類似度指数,ピーク信号対雑音比,L1誤差を低減した結果を得た。
  論文  参考訳（メタデータ） (2021-01-17T20:38:50Z)
• Generative Adversarial U-Net for Domain-free Medical Image Augmentation [49.72048151146307]
  注釈付き医用画像の不足は、医用画像コンピューティングの分野における最大の課題の1つだ。 本稿では,生成逆U-Netという新しい生成手法を提案する。 当社の新しいモデルは、ドメインフリーで、さまざまな医療画像に汎用性があります。
  論文  参考訳（メタデータ） (2021-01-12T23:02:26Z)
• A Deep Network for Joint Registration and Reconstruction of Images with Pathologies [23.482220384665165]
  本稿では,脳腫瘍の画像をアトラスに登録する深層学習手法を提案する。 本モデルでは,腫瘍のある画像からアトラスへの画像マッピングを学習し,同時にアトラス空間への変換を予測した。 人工脳腫瘍と実際の脳腫瘍の2つの検査結果から,本手法はアトラスへの登録に要するコスト関数マスキングよりも優れていたことが示唆された。
  論文  参考訳（メタデータ） (2020-08-17T21:26:02Z)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)

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。