Fugu-MT 論文翻訳(概要): A Survey of fMRI to Image Reconstruction

論文の概要: A Survey of fMRI to Image Reconstruction

arxiv url: http://arxiv.org/abs/2502.16861v1
Date: Mon, 24 Feb 2025 05:53:04 GMT
ステータス: 翻訳完了
システム内更新日: 2025-02-25 15:54:05.068985
Title: A Survey of fMRI to Image Reconstruction
Title（参考訳）: fMRIによる画像再構成の検討
Authors: Weiyu Guo, Guoying Sun, JianXiang He, Tong Shao, Shaoguang Wang, Ziyang Chen, Meisheng Hong, Ying Sun, Hui Xiong,
Abstract要約: 機能的磁気共鳴イメージング(fMRI)に基づく画像再構成は、人間の知覚を復号する上で重要な役割を担っている。ディープラーニングの最近の進歩は進歩を促しているが、データ不足、オブジェクト間のばらつき、セマンティック一貫性の低下といった課題が続いている。本稿では,fMRI2画像(fMRI2画像)の概念を紹介し,この分野における最初の体系的レビューを紹介する。
参考スコア（独自算出の注目度）: 21.906165069577895
License:
Abstract: Functional magnetic resonance imaging (fMRI) based image reconstruction plays a pivotal role in decoding human perception, with applications in neuroscience and brain-computer interfaces. While recent advancements in deep learning and large-scale datasets have driven progress, challenges such as data scarcity, cross-subject variability, and low semantic consistency persist. To address these issues, we introduce the concept of fMRI-to-Image Learning (fMRI2Image) and present the first systematic review in this field. This review highlights key challenges, categorizes methodologies such as fMRI signal encoding, feature mapping, and image generator. Finally, promising research directions are proposed to advance this emerging frontier, providing a reference for future studies.
Abstract（参考訳）: 機能的磁気共鳴イメージング(fMRI)に基づく画像再構成は、人間の知覚をデコードする上で重要な役割を果たす。近年のディープラーニングと大規模データセットの進歩は進歩を牽引しているが、データの不足、オブジェクト間のばらつき、セマンティック一貫性の低下といった課題が続いている。これらの課題に対処するために、fMRI2画像(fMRI2画像)の概念を導入し、この分野における最初の体系的レビューを示す。本稿では、fMRI信号符号化、特徴マッピング、画像生成などの方法論を分類する。最後に、この新たなフロンティアを進めるための有望な研究方向が提案され、将来の研究への参考となる。

関連論文リスト

Advancing MRI Reconstruction: A Systematic Review of Deep Learning and Compressed Sensing Integration [1.167578793004766]
長期の取得は、患者の不快感、モーションアーティファクト、リアルタイムアプリケーションの制限につながる可能性がある。深層学習(DL)はMRI再建のための強力なツールである。
論文参考訳（メタデータ） (2025-01-24T01:07:58Z)
ContextMRI: Enhancing Compressed Sensing MRI through Metadata Conditioning [51.26601171361753]
本稿では, 微細なメタデータを再構成プロセスに統合したMRI用テキスト条件拡散モデルであるContextMRIを提案する。メタデータの忠実度はスライス位置やコントラストから患者年齢、性別、病理まで増加し、体系的に再構築性能が向上することを示す。
論文参考訳（メタデータ） (2025-01-08T05:15:43Z)
MindFormer: Semantic Alignment of Multi-Subject fMRI for Brain Decoding [50.55024115943266]
本稿では,MindFormer を用いたマルチオブジェクト fMRI 信号のセマンティックアライメント手法を提案する。このモデルは、fMRIから画像生成のための安定拡散モデルや、fMRIからテキスト生成のための大規模言語モデル(LLM)の条件付けに使用できるfMRI条件付き特徴ベクトルを生成するように設計されている。実験の結果,MindFormerは意味的に一貫した画像とテキストを異なる主題にわたって生成することがわかった。
論文参考訳（メタデータ） (2024-05-28T00:36:25Z)
Volumetric Reconstruction Resolves Off-Resonance Artifacts in Static and Dynamic PROPELLER MRI [76.60362295758596]
磁気共鳴イメージング(MRI)におけるオフ共鳴アーティファクトは、画像ボリューム内のスピンの実際の共鳴周波数が空間情報を符号化するのに使用される期待周波数と異なる場合に発生する視覚歪みである。本稿では,2次元MRI再構成問題を3次元に引き上げ,このオフ共鳴をモデル化するための「スペクトル」次元を導入することで,これらのアーチファクトを解決することを提案する。
論文参考訳（メタデータ） (2023-11-22T05:44:51Z)
fMRI-PTE: A Large-scale fMRI Pretrained Transformer Encoder for Multi-Subject Brain Activity Decoding [54.17776744076334]
本稿では,fMRI事前学習のための革新的オートエンコーダであるfMRI-PTEを提案する。我々のアプローチでは、fMRI信号を統合された2次元表現に変換し、次元の整合性を確保し、脳の活動パターンを保存する。コントリビューションには、fMRI-PTEの導入、革新的なデータ変換、効率的なトレーニング、新しい学習戦略、そして我々のアプローチの普遍的な適用性が含まれる。
論文参考訳（メタデータ） (2023-11-01T07:24:22Z)
CMRxRecon: An open cardiac MRI dataset for the competition of accelerated image reconstruction [62.61209705638161]
ディープラーニングベースのCMRイメージングアルゴリズムへの関心が高まっている。ディープラーニング手法は大規模なトレーニングデータセットを必要とする。このデータセットには300人の被験者のマルチコントラスト、マルチビュー、マルチスライス、マルチコイルCMRイメージングデータが含まれている。
論文参考訳（メタデータ） (2023-09-19T15:14:42Z)
Deep Learning for Retrospective Motion Correction in MRI: A Comprehensive Review [10.968260853546797]
運動は磁気共鳴画像(MRI)における大きな課題の1つである深層学習は再建過程のいくつかの段階で運動補正のために頻繁に提案されている。このレビューでは、基礎となるデータ利用、アーキテクチャ、トレーニング、評価戦略の違いと相乗効果を明らかにします。
論文参考訳（メタデータ） (2023-05-11T11:50:32Z)
Facial Image Reconstruction from Functional Magnetic Resonance Imaging via GAN Inversion with Improved Attribute Consistency [5.705640492618758]
我々はfMRIデータから顔画像を再構成する新しい枠組みを提案する。提案手法は,(1)fMRIデータから明瞭な顔画像の再構成,(2)意味的特徴の一貫性の維持という2つの目標を達成する。
論文参考訳（メタデータ） (2022-07-03T11:18:35Z)
Data and Physics Driven Learning Models for Fast MRI -- Fundamentals and Methodologies from CNN, GAN to Attention and Transformers [72.047680167969]
本稿では,畳み込みニューラルネットワークや生成的敵ネットワークに基づく手法を含む,高速MRIのためのディープラーニングに基づくデータ駆動手法を紹介する。 MRI加速のための物理とデータ駆動モデルの結合に関する研究について詳述する。最後に, 臨床応用について紹介し, マルチセンター・マルチスキャナー研究における高速MRI技術におけるデータ調和の重要性と説明可能なモデルについて述べる。
論文参考訳（メタデータ） (2022-04-01T22:48:08Z)
Multi-Coil MRI Reconstruction Challenge -- Assessing Brain MRI Reconstruction Models and their Generalizability to Varying Coil Configurations [40.263770807921524]
深層学習に基づく脳磁気共鳴画像(MRI)再構成法は、MRI取得プロセスを加速する可能性がある。マルチコイル磁気共鳴画像(MC-MRI)再構成チャレンジは、これらの問題に対処するためのベンチマークを提供する。本稿では,この課題を実験的に考察し,脳MRI再建モデルのベースラインと状態のセットの結果を要約する。
論文参考訳（メタデータ） (2020-11-10T04:11:48Z)

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。