論文の概要: Analyzing Regional Organization of the Human Hippocampus in 3D-PLI Using
Contrastive Learning and Geometric Unfolding
- arxiv url: http://arxiv.org/abs/2402.17744v1
- Date: Tue, 27 Feb 2024 18:25:16 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-28 15:07:30.554368
- Title: Analyzing Regional Organization of the Human Hippocampus in 3D-PLI Using
Contrastive Learning and Geometric Unfolding
- Title(参考訳): コントラスト学習と幾何学的展開を用いた3D-PLIにおけるヒト海馬の地域構造解析
- Authors: Alexander Oberstrass, Jordan DeKraker, Nicola Palomero-Gallagher,
Sascha E. A. Muenzing, Alan C. Evans, Markus Axer, Katrin Amunts, Timo
Dickscheid
- Abstract要約: 3D偏光イメージング(3D-PLI)は、高分解能で死後脳の繊維構造を可視化するための画像モダリティである。
3D-PLI画像の豊かなテクスチャは、このモダリティを特に分析し難くし、なおもアーキテクチャパターンを特徴づけるためのベストプラクティスを確立する必要がある。
本研究では,ヒト海馬の3D-PLIにおける局所構造を解析するための新しい手法を実証する。
- 参考スコア(独自算出の注目度): 36.136619420474766
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Understanding the cortical organization of the human brain requires
interpretable descriptors for distinct structural and functional imaging data.
3D polarized light imaging (3D-PLI) is an imaging modality for visualizing
fiber architecture in postmortem brains with high resolution that also captures
the presence of cell bodies, for example, to identify hippocampal subfields.
The rich texture in 3D-PLI images, however, makes this modality particularly
difficult to analyze and best practices for characterizing architectonic
patterns still need to be established. In this work, we demonstrate a novel
method to analyze the regional organization of the human hippocampus in 3D-PLI
by combining recent advances in unfolding methods with deep texture features
obtained using a self-supervised contrastive learning approach. We identify
clusters in the representations that correspond well with classical
descriptions of hippocampal subfields, lending validity to the developed
methodology.
- Abstract(参考訳): 人間の脳の皮質構造を理解するには、構造的および機能的イメージングデータに対する解釈可能な記述子が必要である。
3D偏光イメージング(3D-PLI)は、海馬のサブフィールドを識別する細胞体の存在を捉え、高解像度で死後脳の繊維構造を可視化するための画像モダリティである。
しかし、3d-pli画像のテクスチャが豊富であるため、特に分析が難しくなり、建築パターンを特徴付けるためのベストプラクティスを確立する必要がある。
本研究では,近年の展開法と,自己教師付きコントラスト学習法を用いて得られた深部テクスチャ特徴を組み合わせることで,ヒト海馬の3d-pliにおける地域構造を分析する新しい手法を提案する。
本研究は,海馬サブフィールドの古典的記述とよく一致する表現のクラスタを同定し,開発手法に妥当性を付与する。
関連論文リスト
- Self-Supervised Representation Learning for Nerve Fiber Distribution
Patterns in 3D-PLI [36.136619420474766]
3D-PLI(3D-PLI)は、高分解能の髄質神経線維の微細構造を観察できる顕微鏡イメージング技術である。
3D-PLIにおけるファイバアーキテクチャのオブザーバ非依存的特徴付けのためのベストプラクティスはまだ提供されていない。
自己教師付き表現学習を用いた3次元PLI画像における神経線維構造を特徴付けるための完全データ駆動型アプローチを提案する。
論文 参考訳(メタデータ) (2024-01-30T17:49:53Z) - MedSyn: Text-guided Anatomy-aware Synthesis of High-Fidelity 3D CT
Images [19.70945853563019]
本稿では,テキスト情報によって誘導される高品質な3次元肺CT画像を作成するための革新的な手法を提案する。
現在の最先端のアプローチは、低解像度の出力に限られており、放射線学レポートの豊富な情報を不活用している。
論文 参考訳(メタデータ) (2023-10-05T14:16:22Z) - On the Localization of Ultrasound Image Slices within Point Distribution
Models [84.27083443424408]
甲状腺疾患は高分解能超音波(US)で診断されることが多い
縦断追跡は病理甲状腺形態の変化をモニタリングするための重要な診断プロトコルである。
3次元形状表現におけるUS画像の自動スライスローカライズのためのフレームワークを提案する。
論文 参考訳(メタデータ) (2023-09-01T10:10:46Z) - IT3D: Improved Text-to-3D Generation with Explicit View Synthesis [71.68595192524843]
本研究では、これらの問題に対処するために、明示的に合成されたマルチビュー画像を活用する新しい戦略を提案する。
我々のアプローチは、高画質画像を生成するために、LCDによって強化されたイメージ・ツー・イメージ・パイプラインを活用することである。
組込み判別器では、合成したマルチビュー画像は実データと見なされ、最適化された3Dモデルのレンダリングは偽データとして機能する。
論文 参考訳(メタデータ) (2023-08-22T14:39:17Z) - Anatomical Invariance Modeling and Semantic Alignment for
Self-supervised Learning in 3D Medical Image Analysis [6.87667643104543]
自己教師付き学習(SSL)は、最近、3D医療画像解析タスクで有望なパフォーマンスを達成した。
現在のほとんどの手法は、元々写真や自然画像用に設計された既存のSSLパラダイムに従っている。
我々は,解剖的不変性モデリングと意味的アライメントを明確に満たす,自己教師付き学習フレームワークAliceを提案する。
論文 参考訳(メタデータ) (2023-02-11T06:36:20Z) - A Topology-Attention ConvLSTM Network and Its Application to EM Images [11.081936935096873]
本稿では3次元画像分割のための新しいTopologyAttention ConvLSTM Network(TACNet)を提案する。
具体的には,2次元画像スライスをスタックとして3次元画像を処理するSTA(Spatial Topology-Attention)モジュールを提案する。
スライス間でトポロジクリティカルな情報を効果的に伝達するために,Iterative-Topology Attention (ITA)モジュールを提案する。
論文 参考訳(メタデータ) (2022-02-07T01:33:01Z) - 3D Reconstruction of Curvilinear Structures with Stereo Matching
DeepConvolutional Neural Networks [52.710012864395246]
本稿では,立体対における曲線構造の検出とマッチングのための完全自動パイプラインを提案する。
主に、TEM画像のステレオ対から転位を3次元再構成することに焦点を当てる。
論文 参考訳(メタデータ) (2021-10-14T23:05:47Z) - Adversarial Domain Feature Adaptation for Bronchoscopic Depth Estimation [111.89519571205778]
そこで本研究では,深度推定のためのドメイン適応手法を提案する。
提案する2段階構造は,まず,ラベル付き合成画像を用いた深度推定ネットワークを教師付きで訓練する。
実験の結果,提案手法は実画像上でのネットワーク性能をかなりの差で向上させることがわかった。
論文 参考訳(メタデータ) (2021-09-24T08:11:34Z) - A Geometry-Informed Deep Learning Framework for Ultra-Sparse 3D
Tomographic Image Reconstruction [13.44786774177579]
超疎3次元トモグラフィ画像再構成のための幾何学インフォームド深層学習フレームワークを構築した。
本研究は,3次元CT画像の高精細化を実現するために,既知の先行画像のシームレスな包摂が不可欠であることを実証する。
論文 参考訳(メタデータ) (2021-05-25T06:20:03Z) - Hierarchical Amortized Training for Memory-efficient High Resolution 3D
GAN [52.851990439671475]
本稿では,高解像度な3D画像を生成することができる新しいエンドツーエンドGANアーキテクチャを提案する。
トレーニングと推論の異なる構成を使用することで、この目標を達成する。
3次元胸郭CTと脳MRIの実験により、我々のアプローチは画像生成における最先端技術より優れていることが示された。
論文 参考訳(メタデータ) (2020-08-05T02:33:04Z)
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。