論文の概要: Learning Spatially-Continuous Fiber Orientation Functions

• arxiv url: http://arxiv.org/abs/2312.05721v1
• Date: Sun, 10 Dec 2023 01:28:47 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-12 19:14:52.208059
• Title: Learning Spatially-Continuous Fiber Orientation Functions
• Title（参考訳）: 空間連続繊維配向関数の学習
• Authors: Tyler Spears and P. Thomas Fletcher
• Abstract要約: 低分解能拡散強調画像から空間連続繊維配向密度関数を学習するFENRIを提案する。 我々はFENRIが現実的な低品質データから高分解能繊維配向を正確に予測できることを実証した。
• 参考スコア（独自算出の注目度）: 1.4504054468850665
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Our understanding of the human connectome is fundamentally limited by the resolution of diffusion MR images. Reconstructing a connectome's constituent neural pathways with tractography requires following a continuous field of fiber directions. Typically, this field is found with simple trilinear interpolation in low-resolution, noisy diffusion MRIs. However, trilinear interpolation struggles following fine-scale changes in low-quality data. Recent deep learning methods in super-resolving diffusion MRIs have focused on upsampling to a fixed spatial grid, but this does not satisfy tractography's need for a continuous field. In this work, we propose FENRI, a novel method that learns spatially-continuous fiber orientation density functions from low-resolution diffusion-weighted images. To quantify FENRI's capabilities in tractography, we also introduce an expanded simulated dataset built for evaluating deep-learning tractography models. We demonstrate that FENRI accurately predicts high-resolution fiber orientations from realistic low-quality data, and that FENRI-based tractography offers improved streamline reconstruction over the current use of trilinear interpolation.
• Abstract（参考訳）: ヒトコネクトームの理解は拡散mr画像の分解能によって根本的に制限される。 コネクトームを構成する神経経路をコントリクトグラフィで再構築するには、繊維方向の連続フィールドに従う必要がある。 典型的には、この磁場は低分解能、雑音拡散MRIにおいて単純な三線補間で見られる。 しかし、低品質データの微細な変化にともなうトリリニア補間は困難である。 超解像拡散mriにおける最近のディープラーニング手法は固定空間格子へのアップサンプリングに焦点を当てているが、連続場の必要性を満たすものではない。 本研究では,低分解能拡散強調画像から空間連続繊維配向密度関数を学習する新しい手法fenriを提案する。 また, フェンリの気道解析能力の定量化のために, 深層気道モデル評価のための拡張シミュレーションデータセットも導入した。 我々は,FENRIが高分解能繊維配向を現実的な低品質データから正確に予測し,FENRIをベースとしたトラクトグラフィーにより,現在のトリリニア補間よりも高速な直線再構成を実現することを示した。

関連論文リスト

• ResFields: Residual Neural Fields for Spatiotemporal Signals [61.44420761752655]
  ResFieldsは、複雑な時間的信号を効果的に表現するために設計された新しいネットワークのクラスである。 本稿では,ResFieldの特性を包括的に解析し,トレーニング可能なパラメータの数を減らすための行列分解手法を提案する。 スパースRGBDカメラからダイナミックな3Dシーンをキャプチャする効果を示すことで,ResFieldsの実用性を実証する。
  論文  参考訳（メタデータ） (2023-09-06T16:59:36Z)
• Decomposed Diffusion Sampler for Accelerating Large-Scale Inverse Problems [64.29491112653905]
  本稿では, 拡散サンプリング法とクリロフ部分空間法を相乗的に組み合わせた, 新規で効率的な拡散サンプリング手法を提案する。 具体的には、ツイーディの公式による分母化標本における接空間がクリロフ部分空間を成すならば、その分母化データによるCGは、接空間におけるデータの整合性更新を確実に維持する。 提案手法は,従来の最先端手法よりも80倍以上高速な推論時間を実現する。
  論文  参考訳（メタデータ） (2023-03-10T07:42:49Z)
• RecFNO: a resolution-invariant flow and heat field reconstruction method from sparse observations via Fourier neural operator [8.986743262828009]
  本稿では,RecFNOという優れた性能とメッシュ転送性を備えたエンド・ツー・エンドの物理場再構成手法を提案する。 提案手法は, スパース観測から無限次元空間における流れと熱場への写像を学習することを目的としている。 流体力学および熱力学に関する実験により,提案手法は既存のPOD法およびCNN法よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2023-02-20T07:20:22Z)
• A Deep Learning Approach for SAR Tomographic Imaging of Forested Areas [10.477070348391079]
  我々は,1つのフィードフォワードパスでトモグラフィインバージョンを実行するために,軽量ニューラルネットワークをトレーニング可能であることを示す。 我々は、シミュレーションデータを用いてエンコーダ・デコーダネットワークを訓練し、実LバンドとPバンドのデータに基づいてその手法を検証する。
  論文  参考訳（メタデータ） (2023-01-20T14:34:03Z)
• Orthogonal Matrix Retrieval with Spatial Consensus for 3D Unknown-View Tomography [58.60249163402822]
  未知視トモグラフィ(UVT)は、未知のランダムな向きで2次元投影から3次元密度マップを再構成する。 提案したOMRはより堅牢で、従来の最先端のOMRアプローチよりも大幅に性能が向上している。
  論文  参考訳（メタデータ） (2022-07-06T21:40:59Z)
• PREF: Phasorial Embedding Fields for Compact Neural Representations [54.44527545923917]
  本稿では,脳神経信号モデリングと再構成作業を容易にするためのコンパクトな表現として,ファサール埋め込みフィールドemphPREFを提案する。 実験の結果,PreFをベースとしたニューラル信号処理技術は,2次元画像補完,3次元SDF表面回帰,5次元放射野再構成と同等であることがわかった。
  論文  参考訳（メタデータ） (2022-05-26T17:43:03Z)
• Zero-Shot Learning of Continuous 3D Refractive Index Maps from Discrete Intensity-Only Measurements [5.425568744312016]
  我々は, RI体積の高次連続表現を, その強度のみおよび制限角の測定から直接学習できる最初のNF-based IDT法としてDeCAFを提案する。 我々は,DECAFが高コントラストかつ非アーティファクトなRIマップを生成できる3つの異なるIDTモダリティと複数の生物学的サンプルを示す。
  論文  参考訳（メタデータ） (2021-11-27T06:05:47Z)
• Equivariant Spherical Deconvolution: Learning Sparse Orientation Distribution Functions from Spherical Data [0.0]
  本稿では,単位球面上で定義される非負スカラー場のスパースデコンボリューションのための回転等価非監視学習フレームワークを提案する。 人体のマルチシェルデータセットにおけるトラクトグラフィーと部分体積推定の改善について述べる。
  論文  参考訳（メタデータ） (2021-02-17T16:04:35Z)
• Light Field Reconstruction via Deep Adaptive Fusion of Hybrid Lenses [67.01164492518481]
  本稿では,ハイブリットレンズを用いた高分解能光場(LF)画像の再構成問題について検討する。 本稿では,入力の特徴を包括的に活用できる新しいエンドツーエンド学習手法を提案する。 我々のフレームワークは、高解像度なLFデータ取得のコストを削減し、LFデータストレージと送信の恩恵を受ける可能性がある。
  論文  参考訳（メタデータ） (2021-02-14T06:44:47Z)
• Non-line-of-Sight Imaging via Neural Transient Fields [52.91826472034646]
  NLOS(non-Line-of-Sight)イメージングのためのニューラルモデリングフレームワークを提案する。 最近のNeRF(Neural Radiance Field)アプローチにインスパイアされた我々は、ニューラルネットワーク(NeTF)を表現するために多層パーセプトロン(MLP)を使用する。 共焦点と非共焦点の両方に適用可能な球状ボリュームnetf再構成パイプラインを定式化する。
  論文  参考訳（メタデータ） (2021-01-02T05:20:54Z)
• Large-scale kernelized GRANGER causality to infer topology of directed graphs with applications to brain networks [0.0]
  時系列が短い大規模ネットワークでは、トポロジ推定が不適切になる。 本稿では, 非線形保存型トポロジ推論手法を提案する。 機能的磁気共鳴イメージング(fMRI)による実際のデータセットの試験では、統合失調症患者の診断タスクにおいて96.3%の精度が示されている。
  論文  参考訳（メタデータ） (2020-11-16T20:30:19Z)

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。