論文の概要: Optimizing Retinal Prosthetic Stimuli with Conditional Invertible Neural Networks

• arxiv url: http://arxiv.org/abs/2403.04884v2
• Date: Mon, 15 Jul 2024 12:49:16 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-17 01:35:33.560742
• Title: Optimizing Retinal Prosthetic Stimuli with Conditional Invertible Neural Networks
• Title（参考訳）: 条件付き可逆ニューラルネットワークを用いた網膜補綴刺激の最適化
• Authors: Yuli Wu, Julian Wittmann, Peter Walter, Johannes Stegmaier,
• Abstract要約: 本稿では,非教師ありの方法で網膜インプラント刺激を最適化するために,フローベース条件付き非可逆ニューラルネットワークの正規化を活用することを提案する。 これらのネットワークの可逆性により、視覚系の計算モデルの代用として使用できる。 自明なダウンサンプリング、線形モデル、フィードフォワード畳み込みニューラルネットワークなどの他の手法と比較して、フローベースの可逆ニューラルネットワークとその条件付き拡張は、より良い視覚的再構成特性をもたらす。
• 参考スコア（独自算出の注目度）: 1.1454121287632515
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Implantable retinal prostheses offer a promising solution to restore partial vision by circumventing damaged photoreceptor cells in the retina and directly stimulating the remaining functional retinal cells. However, the information transmission between the camera and retinal cells is often limited by the low resolution of the electrode array and the lack of specificity for different ganglion cell types, resulting in suboptimal stimulations. In this work, we propose to utilize normalizing flow-based conditional invertible neural networks to optimize retinal implant stimulation in an unsupervised manner. The invertibility of these networks allows us to use them as a surrogate for the computational model of the visual system, while also encoding input camera signals into optimized electrical stimuli on the electrode array. Compared to other methods, such as trivial downsampling, linear models, and feed-forward convolutional neural networks, the flow-based invertible neural network and its conditional extension yield better visual reconstruction qualities w.r.t. various metrics using a physiologically validated simulation tool.
• Abstract（参考訳）: インプラント可能な網膜補綴は、網膜の損傷した光受容体細胞を回避し、残りの機能性網膜細胞を直接刺激することにより、部分的な視覚を回復するための有望な解決策を提供する。 しかし、カメラと網膜細胞間の情報伝達は、電極アレイの低分解能と異なるガングリオン細胞タイプに対する特異性の欠如によって制限され、その結果、至適刺激が生じる。 本研究では,フローベース条件付き非可逆ニューラルネットワークを正規化して網膜インプラント刺激を教師なしで最適化する手法を提案する。 これらのネットワークの可逆性により、入力されたカメラ信号を電極アレイ上で最適化された電気刺激に符号化しながら、視覚系の計算モデルの代理として使用できる。 自明なダウンサンプリング、線形モデル、フィードフォワードの畳み込みニューラルネットワークなどの他の手法と比較して、フローベースの可逆的ニューラルネットワークとその条件付き拡張は、生理学的に検証されたシミュレーションツールを使用して、様々なメトリクスの視覚的再構成品質を向上させる。

関連論文リスト

• Intraoperative Registration by Cross-Modal Inverse Neural Rendering [61.687068931599846]
  クロスモーダル逆ニューラルレンダリングによる神経外科手術における術中3D/2Dレジストレーションのための新しいアプローチを提案する。 本手法では,暗黙の神経表現を2つの構成要素に分離し,術前および術中における解剖学的構造について検討した。 臨床症例の振り返りデータを用いて本法の有効性を検証し,現在の登録基準を満たした状態での最先端の検査成績を示した。
  論文  参考訳（メタデータ） (2024-09-18T13:40:59Z)
• Design and development of opto-neural processors for simulation of neural networks trained in image detection for potential implementation in hybrid robotics [0.0]
  リビングニューラルネットワークは、消費電力の低減、処理の高速化、生物学的リアリズムの利点を提供する。 本研究は,オプトジェネティクスによる精密アクティベーションを用いたSTDPベースのアルゴリズムを逆伝播させることにより,間接的に訓練されたシミュレーション型生きたニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2024-01-17T04:42:49Z)
• Affine-Consistent Transformer for Multi-Class Cell Nuclei Detection [76.11864242047074]
  本稿では, 原子核位置を直接生成する新しいアフィン一貫性変換器 (AC-Former) を提案する。 本稿では,AAT (Adaptive Affine Transformer) モジュールを導入し,ローカルネットワークトレーニングのためのオリジナル画像をワープするための重要な空間変換を自動学習する。 実験結果から,提案手法は様々なベンチマークにおいて既存の最先端アルゴリズムを著しく上回ることがわかった。
  論文  参考訳（メタデータ） (2023-10-22T02:27:02Z)
• Bio-Inspired Simple Neural Network for Low-Light Image Restoration: A Minimalist Approach [8.75682288556859]
  本研究では、網膜モデルにインスパイアされた単純なニューラルネットワークを用いて、低照度画像を効率よく復元する可能性について検討する。 提案するニューラルネットワークモデルは,従来の信号処理モデルと比較して計算オーバーヘッドを低減する。
  論文  参考訳（メタデータ） (2023-05-03T01:16:45Z)
• Globally Optimal Training of Neural Networks with Threshold Activation Functions [63.03759813952481]
  しきい値アクティベートを伴うディープニューラルネットワークの重み劣化正規化学習問題について検討した。 ネットワークの特定の層でデータセットを破砕できる場合に、簡易な凸最適化の定式化を導出する。
  論文  参考訳（メタデータ） (2023-03-06T18:59:13Z)
• Spiking neural network for nonlinear regression [68.8204255655161]
  スパイクニューラルネットワークは、メモリとエネルギー消費を大幅に削減する可能性を持っている。 彼らは、次世代のニューロモルフィックハードウェアによって活用できる時間的および神経的疎結合を導入する。 スパイキングニューラルネットワークを用いた回帰フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-10-06T13:04:45Z)
• Low-Light Image Restoration Based on Retina Model using Neural Networks [0.0]
  提案したニューラルネットワークモデルは、従来の信号処理モデルと対照的に計算オーバーヘッドのコストを削減し、主観的観点から複雑なディープラーニングモデルに匹敵する結果を生成する。 この研究は、ニューラルネットワークを用いて網膜ニューロンの機能を直接シミュレートするために、最適パラメーターを手動で探すことを避けるだけでなく、特定の神経生物学組織のために対応する人工バージョンを構築する方法を構築することも示している。
  論文  参考訳（メタデータ） (2022-10-04T08:14:49Z)
• Adapting Brain-Like Neural Networks for Modeling Cortical Visual Prostheses [68.96380145211093]
  皮質補綴は視覚野に移植された装置で、電気的にニューロンを刺激することで失った視力を回復しようとする。 現在、これらのデバイスが提供する視覚は限られており、刺激による視覚知覚を正確に予測することはオープンな課題である。 我々は、視覚システムの有望なモデルとして登場した「脳様」畳み込みニューラルネットワーク(CNN)を活用することで、この問題に対処することを提案する。
  論文  参考訳（メタデータ） (2022-09-27T17:33:19Z)
• SpikeSEE: An Energy-Efficient Dynamic Scenes Processing Framework for Retinal Prostheses [3.794154439461156]
  本研究では,スパイク表現符号化技術とバイオインスパイクされたスパイキングリカレントニューラルネットワーク(SRNN)モデルを組み合わせたエネルギー効率の高い動的シーン処理フレームワーク(SpikeSEE)を提案する。 提案したSpikeSEEは,よりエネルギー消費の少ないガングリオン細胞の応答をより正確に予測する。
  論文  参考訳（メタデータ） (2022-09-16T12:46:10Z)
• Training Deep Spiking Auto-encoders without Bursting or Dying Neurons through Regularization [9.34612743192798]
  スパイクニューラルネットワークは、計算神経科学における次世代の脳モデルに対する有望なアプローチである。 膜電位に基づくバックプロパゲーションを用いたエンドツーエンド学習を、スパイクする畳み込みオートエンコーダに適用する。 膜電位とスパイク出力に正規化を適用することで、死と破裂の両方のニューロンをうまく回避できることを示す。
  論文  参考訳（メタデータ） (2021-09-22T21:27:40Z)
• Invertible Surrogate Models: Joint surrogate modelling and reconstruction of Laser-Wakefield Acceleration by invertible neural networks [55.41644538483948]
  可逆ニューラルネットワークは、機械学習の最近の技術である。 我々は、レーザープラズマ加速器(iLWFA)に関わる物理学の複雑な前方シミュレーションを近似する可逆サロゲートモデルを導入する。
  論文  参考訳（メタデータ） (2021-06-01T12:26:10Z)

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。