論文の概要: Non-invasive Neural Decoding in Source Reconstructed Brain Space

• arxiv url: http://arxiv.org/abs/2410.19838v1
• Date: Sun, 20 Oct 2024 18:26:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-03 07:49:35.742686
• Title: Non-invasive Neural Decoding in Source Reconstructed Brain Space
• Title（参考訳）: 音源再構成脳空間における非侵襲的ニューラルデコード
• Authors: Yonatan Gideoni, Ryan Charles Timms, Oiwi Parker Jones,
• Abstract要約: 非侵襲的脳波復号法は通常、脳磁図/脳波計測(MEG/EEG)を入力として行う。 対照的に、fMRIスキャンは典型的な構造化された入力表現を持つボクセルグリッドである脳空間で直接取得される。 これにより、空間的帰納バイアス、空間的データ拡張、より良い解釈可能性、データセット間のゼロショット一般化、データ調和が可能となる。
• 参考スコア（独自算出の注目度）: 4.506099292980221
• License:
• Abstract: Non-invasive brainwave decoding is usually done using Magneto/Electroencephalography (MEG/EEG) sensor measurements as inputs. This makes combining datasets and building models with inductive biases difficult as most datasets use different scanners and the sensor arrays have a nonintuitive spatial structure. In contrast, fMRI scans are acquired directly in brain space, a voxel grid with a typical structured input representation. By using established techniques to reconstruct the sensors' sources' neural activity it is possible to decode from voxels for MEG data as well. We show that this enables spatial inductive biases, spatial data augmentations, better interpretability, zero-shot generalisation between datasets, and data harmonisation.
• Abstract（参考訳）: 非侵襲的な脳波復号は通常、磁気/脳波計測(MEG/EEG)センサーを入力として行う。 これにより、ほとんどのデータセットが異なるスキャナを使用し、センサーアレイが直感的でない空間構造を持つため、データセットとインダクティブバイアスによるモデルの構築が困難になる。 対照的に、fMRIスキャンは典型的な構造化された入力表現を持つボクセルグリッドである脳空間で直接取得される。 センサソースの神経活動の再構築に確立された技術を使用することで、MEGデータのためにボクセルからデコードすることもできる。 これにより、空間的帰納バイアス、空間的データ拡張、より良い解釈可能性、データセット間のゼロショット一般化、データ調和が可能となる。

関連論文リスト

• fMRI-3D: A Comprehensive Dataset for Enhancing fMRI-based 3D Reconstruction [50.534007259536715]
  我々は15人の参加者のデータを含むfMRI-3Dデータセットを提示し、合計4768個の3Dオブジェクトを展示する。 我々は,fMRI信号から3次元視覚情報を復号化するための新しいフレームワークMinD-3Dを提案する。
  論文  参考訳（メタデータ） (2024-09-17T16:13:59Z)
• 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)
• Deep Learning for real-time neural decoding of grasp [0.0]
  本稿では,ニューラルネットワークの復号化のためのDeep Learningに基づく手法を提案する。 提案手法の主な目的は、これまでの神経科学知識に頼ることなく、最先端の復号精度を改善することである。
  論文  参考訳（メタデータ） (2023-11-02T08:26:29Z)
• Source-Free Collaborative Domain Adaptation via Multi-Perspective Feature Enrichment for Functional MRI Analysis [55.03872260158717]
  安静時MRI機能(rs-fMRI)は、神経疾患の分析を助けるために多地点で研究されている。 ソース領域とターゲット領域の間のfMRIの不均一性を低減するための多くの手法が提案されている。 しかし、マルチサイト研究における懸念やデータストレージの負担のため、ソースデータの取得は困難である。 我々は、fMRI解析のためのソースフリー協調ドメイン適応フレームワークを設計し、事前訓練されたソースモデルとラベルなしターゲットデータのみにアクセスできるようにする。
  論文  参考訳（メタデータ） (2023-08-24T01:30:18Z)
• Data-Induced Interactions of Sparse Sensors [3.050919759387984]
  トレーニングデータによって引き起こされるセンサインタラクションの全体像を熱力学ビューで計算する。 これらのデータによって引き起こされるセンサーの相互作用をマッピングすることで、外部選択基準と組み合わせ、センサーの代替効果を予測することができる。
  論文  参考訳（メタデータ） (2023-07-21T18:13:37Z)
• Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol Particles for Frontier Exploration [55.41644538483948]
  本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。 ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。 本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
  論文  参考訳（メタデータ） (2023-04-27T20:21:18Z)
• Inferring latent neural sources via deep transcoding of simultaneously acquired EEG and fMRI [12.588880677192975]
  同時脳波-fMRIは、相補的な空間分解能と時間分解能を提供する神経イメージング技術である。 脳波をfMRIに変換する環状畳み込みトランスコーダからなる対称的手法を開発した。 シミュレーションデータと実脳波-fMRIデータの両方に対して、モーダルがいかにうまく変換できるかを定量化する。
  論文  参考訳（メタデータ） (2022-11-27T23:44:16Z)
• COIN++: Data Agnostic Neural Compression [55.27113889737545]
  COIN++は、幅広いデータモダリティをシームレスに扱うニューラルネットワーク圧縮フレームワークである。 様々なデータモダリティを圧縮することで,本手法の有効性を示す。
  論文  参考訳（メタデータ） (2022-01-30T20:12:04Z)
• Functional Magnetic Resonance Imaging data augmentation through conditional ICA [44.483210864902304]
  本稿では,高速機能型磁気共鳴イメージング(fMRI)データ拡張技術である条件独立成分分析(Conditional ICA)を紹介する。 本研究では,コンディショナルICAが観測不可能なデータの合成に成功しており,脳の復号化問題における分類精度の向上が期待できることを示す。
  論文  参考訳（メタデータ） (2021-07-11T22:36:14Z)
• Fader Networks for domain adaptation on fMRI: ABIDE-II study [68.5481471934606]
  我々は3次元畳み込みオートエンコーダを用いて、無関係な空間画像表現を実現するとともに、ABIDEデータ上で既存のアプローチより優れていることを示す。
  論文  参考訳（メタデータ） (2020-10-14T16:50:50Z)
• ST-MNIST -- The Spiking Tactile MNIST Neuromorphic Dataset [13.270250399169104]
  我々は,触覚型ニューロモルフィックセンサアレイに記述した人手による手書き桁を含む,新しいニューロモルフィック・スパイキング・タクティルMNISTデータセットを作成した。 また、既存の人工スパイクとニューラルネットワークモデルを用いて、ST-MNISTデータセットを評価するための最初の取り組みについても述べる。
  論文  参考訳（メタデータ） (2020-05-08T23:44:14Z)

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。