論文の概要: A 3D explainability framework to uncover learning patterns and crucial
sub-regions in variable sulci recognition
- arxiv url: http://arxiv.org/abs/2309.00903v1
- Date: Sat, 2 Sep 2023 10:46:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-07 00:26:17.919791
- Title: A 3D explainability framework to uncover learning patterns and crucial
sub-regions in variable sulci recognition
- Title（参考訳）: 可変sulci認識における学習パターンと重要な部分領域を明らかにするための3次元説明可能性フレームワーク
- Authors: Michail Mamalakis, Heloise de Vareilles, Atheer AI-Manea, Samantha C.
Mitchell, Ingrid Arartz, Lynn Egeland Morch-Johnsen, Jane Garrison, Jon
Simons, Pietro Lio, John Suckling, Graham Murray
- Abstract要約: 本研究は,深層学習ネットワークからの出力をパラリンセートサーカスを検出する能力で検証する,革新的な3次元説明可能性フレームワークを提案する。
本研究では,GradCamとSHAPを次元還元法による局所的説明可能性手法を併用した2つのネットワークの訓練と試験を行った。
この方法論の採用は、神経科学の分野でさらなる探究と調査を行うための約束である。
- 参考スコア（独自算出の注目度）: 3.0398616939692777
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Precisely identifying sulcal features in brain MRI is made challenging by the
variability of brain folding. This research introduces an innovative 3D
explainability frame-work that validates outputs from deep learning networks in
their ability to detect the paracingulate sulcus, an anatomical feature that
may or may not be present on the frontal medial surface of the human brain.
This study trained and tested two networks, amalgamating local explainability
techniques GradCam and SHAP with a dimensionality reduction method. The
explainability framework provided both localized and global explanations, along
with accuracy of classification results, revealing pertinent sub-regions
contributing to the decision process through a post-fusion transformation of
explanatory and statistical features. Leveraging the TOP-OSLO dataset of MRI
acquired from patients with schizophrenia, greater accuracies of paracingulate
sulcus detection (presence or absence) were found in the left compared to right
hemispheres with distinct, but extensive sub-regions contributing to each
classification outcome. The study also inadvertently highlighted the critical
role of an unbiased annotation protocol in maintaining network performance
fairness. Our proposed method not only offers automated, impartial annotations
of a variable sulcus but also provides insights into the broader anatomical
variations associated with its presence throughout the brain. The adoption of
this methodology holds promise for instigating further explorations and
inquiries in the field of neuroscience.
- Abstract（参考訳）: 脳MRIにおけるsulcal特徴の正確な同定は、脳の折り畳みのばらつきによって困難になる。
本研究では,深層学習ネットワークからの出力を,ヒト脳の前頭内側に存在しうる解剖学的特徴であるパラシンジレート・スルカスを検出する能力で検証する,革新的な3次元説明可能性フレームワークを提案する。
本研究では,GradCamとSHAPを次元還元法による局所的説明可能性手法を併用した2つのネットワークの訓練と試験を行った。
説明可能性フレームワークは局所化とグローバル化の両方の説明と分類結果の正確性を提供し、説明的および統計的特徴の拡散後変換を通じて決定プロセスに寄与する関連する部分領域を明らかにする。
統合失調症患者から取得したmriのtop-osloデータセットを活用すると,左半球と左半球では,各分類結果に寄与する広範囲のサブ領域に比べて,パラシンジレートsulcus検出 (presence or absence) の精度が高かった。
この研究は、ネットワーク性能の公平性を維持する上で、非バイアスのアノテーションプロトコルが重要な役割を誤って強調した。
提案手法は, 変数sulcusの自動的非部分的アノテーションを提供するだけでなく, 脳全体における解剖学的変化に関する知見も提供する。
この方法論の採用は、神経科学の分野でさらなる探究と調査を行うための約束である。
関連論文リスト
- Enhancing Generalizability of Representation Learning for Data-Efficient 3D Scene Understanding [50.448520056844885]
本研究では,実世界のパターンを持つ多様な合成シーンを生成可能なベイズネットワークを提案する。
一連の実験は、既存の最先端の事前学習手法に比べて、我々の手法が一貫した優位性を示す。
論文 参考訳（メタデータ） (2024-06-17T07:43:53Z) - Brain3D: Generating 3D Objects from fMRI [76.41771117405973]
被験者のfMRIデータを入力として利用する新しい3Dオブジェクト表現学習手法であるBrain3Dを設計する。
我々は,人間の視覚系の各領域の異なる機能的特徴を,我々のモデルが捉えていることを示す。
予備評価は、Brain3Dがシミュレーションシナリオで障害した脳領域を正常に識別できることを示唆している。
論文 参考訳（メタデータ） (2024-05-24T06:06:11Z) - Solving the enigma: Deriving optimal explanations of deep networks [3.9584068556746246]
本稿では,ディープネットワークの説明可能性を高めるための新しいフレームワークを提案する。
本フレームワークは,確立したXAI手法の様々な説明を統合し,非説明を用いて最適な説明を構築する。
以上の結果から,特定基準に基づく最適説明が導出可能であることが示唆された。
論文 参考訳（メタデータ） (2024-05-16T11:49:08Z) - Neuro-Vision to Language: Enhancing Brain Recording-based Visual Reconstruction and Language Interaction [8.63068449082585]
非侵襲的な脳記録の復号化は、人間の認知の理解を深める鍵となる。
本研究では,視覚変換器を用いた3次元脳構造と視覚的意味論を統合した。
マルチモーダル大モデル開発を支援するために,fMRI画像関連テキストデータを用いたfMRIデータセットを改良した。
論文 参考訳（メタデータ） (2024-04-30T10:41:23Z) - MindBridge: A Cross-Subject Brain Decoding Framework [60.58552697067837]
脳の復号化は、獲得した脳信号から刺激を再構築することを目的としている。
現在、脳の復号化はモデルごとのオブジェクトごとのパラダイムに限られている。
我々は,1つのモデルのみを用いることで,オブジェクト間脳デコーディングを実現するMindBridgeを提案する。
論文 参考訳（メタデータ） (2024-04-11T15:46:42Z) - DUE: Dynamic Uncertainty-Aware Explanation Supervision via 3D Imputation [12.96084790953902]
本稿では3次元説明指導のための動的不確実性対応説明監督(DUE)フレームワークを提案する。
提案手法は,様々な実世界の医療画像データセットに関する総合的な実験を通じて検証される。
論文 参考訳（メタデータ） (2024-03-16T06:49:32Z) - UniBrain: Universal Brain MRI Diagnosis with Hierarchical
Knowledge-enhanced Pre-training [66.16134293168535]
我々はUniBrainと呼ばれるユニバーサル脳MRI診断のための階層的知識強化事前訓練フレームワークを提案する。
具体的には、UniBrainは、定期的な診断から24,770のイメージレポートペアの大規模なデータセットを活用する。
論文 参考訳（メタデータ） (2023-09-13T09:22:49Z) - NeuroExplainer: Fine-Grained Attention Decoding to Uncover Cortical
Development Patterns of Preterm Infants [73.85768093666582]
我々はNeuroExplainerと呼ばれる説明可能な幾何学的深層ネットワークを提案する。
NeuroExplainerは、早産に伴う幼児の皮質発達パターンの解明に使用される。
論文 参考訳（メタデータ） (2023-01-01T12:48:12Z) - An explainability framework for cortical surface-based deep learning [110.83289076967895]
我々は,皮質表面の深層学習のためのフレームワークを開発した。
まず,表面データに摂動に基づくアプローチを適用した。
我々の説明可能性フレームワークは,重要な特徴とその空間的位置を識別できるだけでなく,信頼性と有効性も示している。
論文 参考訳（メタデータ） (2022-03-15T23:16:49Z) - Joint Supervised and Self-Supervised Learning for 3D Real-World
Challenges [16.328866317851187]
ポイントクラウド処理と3D形状理解は、ディープラーニング技術が大きな可能性を実証する難しいタスクである。
ここでは、データ不足と大きなドメインギャップにより教師付き学習が失敗する合成および実世界の点雲を含むいくつかのシナリオについて考察する。
形状分類や部分分割の主課題を学習しながら3次元パズルを解くマルチタスクモデルにより、自己超越を利用して、標準的な特徴表現を豊かにすることを提案する。
論文 参考訳（メタデータ） (2020-04-15T23:34:03Z)
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。