論文の概要: Equivariant spatio-hemispherical networks for diffusion MRI deconvolution

• arxiv url: http://arxiv.org/abs/2411.11819v1
• Date: Mon, 18 Nov 2024 18:37:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-19 14:27:17.495043
• Title: Equivariant spatio-hemispherical networks for diffusion MRI deconvolution
• Title（参考訳）: 拡散MRIデコンボリューションのための等変時空間-球面ネットワーク
• Authors: Axel Elaldi, Guido Gerig, Neel Dey,
• Abstract要約: 本稿では,$math(3) times SO(3)$ groupに同値な畳み込みネットワーク層を開発することにより,そのような球面データの解析を推し進める。 白色物質を回収するスパース球状繊維デコンボリューションの文脈において、提案した同変ネットワーク層は、性能と効率性を大幅に向上させる。
• 参考スコア（独自算出の注目度）: 5.680416078423551
• License:
• Abstract: Each voxel in a diffusion MRI (dMRI) image contains a spherical signal corresponding to the direction and strength of water diffusion in the brain. This paper advances the analysis of such spatio-spherical data by developing convolutional network layers that are equivariant to the $\mathbf{E(3) \times SO(3)}$ group and account for the physical symmetries of dMRI including rotations, translations, and reflections of space alongside voxel-wise rotations. Further, neuronal fibers are typically antipodally symmetric, a fact we leverage to construct highly efficient spatio-hemispherical graph convolutions to accelerate the analysis of high-dimensional dMRI data. In the context of sparse spherical fiber deconvolution to recover white matter microstructure, our proposed equivariant network layers yield substantial performance and efficiency gains, leading to better and more practical resolution of crossing neuronal fibers and fiber tractography. These gains are experimentally consistent across both simulation and in vivo human datasets.
• Abstract（参考訳）: 拡散MRI(dMRI)画像の各ボクセルは、脳内の水拡散の方向と強度に対応する球状信号を含む。 本稿では、$\mathbf{E(3) \times SO(3)}$群に同値な畳み込みネットワーク層を開発し、ボクセルの回転を伴う空間の回転、変換、反射を含むdMRIの物理対称性について述べる。 さらに、神経線維は一般的に反ポッド対称であり、高次元のdMRIデータの解析を加速するために、高効率な時空間グラフ畳み込みを構築するために活用する。 白色物質の微細構造を復元する球状繊維の分散化の文脈において, 提案した同変ネットワーク層は, 高い性能と効率向上を達成し, 神経線維とファイバートラクトグラフィーを横断するより優れた, より実践的な解決を可能にした。 これらの利得は、シミュレーションと生体内の人間のデータセットの両方で実験的に一致している。

関連論文リスト

• Enhancing lattice kinetic schemes for fluid dynamics with Lattice-Equivariant Neural Networks [79.16635054977068]
  我々はLattice-Equivariant Neural Networks (LENNs)と呼ばれる新しい同変ニューラルネットワークのクラスを提案する。 我々の手法は、ニューラルネットワークに基づく代理モデルLattice Boltzmann衝突作用素の学習を目的とした、最近導入されたフレームワーク内で開発されている。 本研究は,実世界のシミュレーションにおける機械学習強化Lattice Boltzmann CFDの実用化に向けて展開する。
  論文  参考訳（メタデータ） (2024-05-22T17:23:15Z)
• SDR-Former: A Siamese Dual-Resolution Transformer for Liver Lesion Classification Using 3D Multi-Phase Imaging [59.78761085714715]
  本研究は肝病変分類のための新しいSDR-Formerフレームワークを提案する。 提案フレームワークは2つの臨床データセットに関する総合的な実験を通じて検証された。 科学コミュニティを支援するため,肝病変解析のための多段階MRデータセットを公開しています。
  論文  参考訳（メタデータ） (2024-02-27T06:32:56Z)
• Neural Spherical Harmonics for structurally coherent continuous representation of diffusion MRI signal [0.3277163122167433]
  本稿では,ヒト脳の構造的コヒーレンスから恩恵を受ける拡散磁気共鳴画像(dMRI)データセットをモデル化する方法を提案する。 現在の方法では、個々のボクセルのdMRI信号をモデル化し、現在存在するボクセルのコヒーレンスを無視している。 我々は、ニューラルネットワークを用いて、Human Connectome Projectデータセットから1つの対象のdMRI信号を表現するために、球面調和系列をパラメータ化する。
  論文  参考訳（メタデータ） (2023-08-16T08:28:01Z)
• Image Reconstruction for Accelerated MR Scan with Faster Fourier Convolutional Neural Networks [87.87578529398019]
  部分走査は、磁気共鳴イメージング(MRI)データ取得を2次元および3次元の両方で加速する一般的な手法である。 本稿では,Faster Fourier Convolution (FasterFC) と呼ばれる新しい畳み込み演算子を提案する。 2次元加速MRI法であるFasterFC-End-to-End-VarNetは、FasterFCを用いて感度マップと再構成品質を改善する。 k空間領域再構成を誘導する単一グループアルゴリズムを用いたFasterFC-based Single-to-group Network (FAS-Net) と呼ばれる3次元加速MRI法
  論文  参考訳（メタデータ） (2023-06-05T13:53:57Z)
• $E(3) \times SO(3)$-Equivariant Networks for Spherical Deconvolution in Diffusion MRI [4.726777092009554]
  本稿では,各ボクセルが球面信号を含むボリュームのスパースデコンボリューションの枠組みを提案する。 この研究は、空間回転、反射、翻訳の対称性に関する同変深層を構成する。
  論文  参考訳（メタデータ） (2023-04-12T18:37:32Z)
• Spherical convolutional neural networks can improve brain microstructure estimation from diffusion MRI data [0.35998666903987897]
  拡散磁気共鳴イメージングは脳組織の微細構造に敏感である。 測定された信号から臨床および科学的に関係する微細構造特性を推定することは、機械学習が解決するのに役立つ非常に難しい逆問題である。 我々は、効率的にシミュレートされた雑音データから地中構造パラメータ値を予測するために、球面畳み込みニューラルネットワークを訓練した。
  論文  参考訳（メタデータ） (2022-11-17T20:52:00Z)
• A deep learning driven pseudospectral PCE based FFT homogenization algorithm for complex microstructures [68.8204255655161]
  提案手法は,従来の手法よりも高速に評価できる一方で,興味の中心モーメントを予測できることを示す。 提案手法は,従来の手法よりも高速に評価できると同時に,興味の中心モーメントを予測できることを示す。
  論文  参考訳（メタデータ） (2021-10-26T07:02:14Z)
• Influence Estimation and Maximization via Neural Mean-Field Dynamics [60.91291234832546]
  本稿では,ニューラル平均場(NMF)ダイナミクスを用いた新しい学習フレームワークを提案する。 我々のフレームワークは拡散ネットワークの構造とノード感染確率の進化を同時に学習することができる。
  論文  参考訳（メタデータ） (2021-06-03T00:02:05Z)
• 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)
• 3D Solid Spherical Bispectrum CNNs for Biomedical Texture Analysis [3.579867431007686]
  局所回転不変量 (LRI) 演算子は生物医学的テクスチャ解析において大きな可能性を示している。 浅層畳み込みニューラルネットワーク(CNN)に埋め込まれたLRI層の設計におけるスペクトル上の双スペクトルを用いた3次元画像解析の利点について検討する。
  論文  参考訳（メタデータ） (2020-04-28T09:01:13Z)
• Multifold Acceleration of Diffusion MRI via Slice-Interleaved Diffusion Encoding (SIDE) [50.65891535040752]
  本稿では,Slice-Interleaved Diffusionと呼ばれる拡散符号化方式を提案する。 SIDEは、拡散重み付き(DW)画像ボリュームを異なる拡散勾配で符号化したスライスでインターリーブする。 また,高いスライスアンサンプデータからDW画像を効果的に再構成するためのディープラーニングに基づく手法を提案する。
  論文  参考訳（メタデータ） (2020-02-25T14:48:17Z)

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。