論文の概要: MultiMorph: On-demand Atlas Construction
- arxiv url: http://arxiv.org/abs/2504.00247v1
- Date: Mon, 31 Mar 2025 21:35:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-03 13:24:40.418308
- Title: MultiMorph: On-demand Atlas Construction
- Title（参考訳）: MultiMorph: オンデマンドのAtlas構築
- Authors: S. Mazdak Abulnaga, Andrew Hoopes, Neel Dey, Malte Hoffmann, Marianne Rakic, Bruce Fischl, John Guttag, Adrian Dalca,
- Abstract要約: MultiMorphは、ハエの解剖学的アトラスを構築するための高速で効率的な方法である。
高品質で集団固有のアトラスを単一の前方通過で生成し、任意の3D脳データセットを生成する。
最先端の最適化と学習に基づくアトラス構築手法を、小規模と大規模の両方で上回っている。
- 参考スコア（独自算出の注目度）: 5.812468336135729
- License:
- Abstract: We present MultiMorph, a fast and efficient method for constructing anatomical atlases on the fly. Atlases capture the canonical structure of a collection of images and are essential for quantifying anatomical variability across populations. However, current atlas construction methods often require days to weeks of computation, thereby discouraging rapid experimentation. As a result, many scientific studies rely on suboptimal, precomputed atlases from mismatched populations, negatively impacting downstream analyses. MultiMorph addresses these challenges with a feedforward model that rapidly produces high-quality, population-specific atlases in a single forward pass for any 3D brain dataset, without any fine-tuning or optimization. MultiMorph is based on a linear group-interaction layer that aggregates and shares features within the group of input images. Further, by leveraging auxiliary synthetic data, MultiMorph generalizes to new imaging modalities and population groups at test-time. Experimentally, MultiMorph outperforms state-of-the-art optimization-based and learning-based atlas construction methods in both small and large population settings, with a 100-fold reduction in time. This makes MultiMorph an accessible framework for biomedical researchers without machine learning expertise, enabling rapid, high-quality atlas generation for diverse studies.
- Abstract（参考訳）: 高速かつ効率的な解剖学的アトラス構築法であるMultiMorphについて述べる。
アトラスは画像の集合の標準構造を捉え、個体群間での解剖学的変動の定量化に不可欠である。
しかし、現在のアトラス構築法は、しばしば数日から数週間の計算を必要とするため、迅速な実験を妨げている。
その結果、多くの科学的研究は、ミスマッチした個体群からの事前計算されたアトラスに頼り、下流の分析に悪影響を及ぼした。
MultiMorphはフィードフォワードモデルを用いてこれらの課題に対処する。これは、微調整や最適化なしに、単一の3D脳データセットに対して、1つのフォワードパスで、高品質で人口固有のアトラスを高速に生成する。
MultiMorphは、入力画像のグループ内の機能を集約し共有する、線形なグループインタラクション層に基づいている。
さらに、補助合成データを活用することで、MultiMorphはテスト時に新しい画像モダリティと集団群に一般化する。
実験により、MultiMorphは、小集団と大集団の両方において、最先端の最適化と学習に基づくアトラス構築法に優れ、100倍の時間を短縮した。
これによってMultiMorphは、機械学習の専門知識のないバイオメディカル研究者が利用できるフレームワークとなり、多様な研究のために高速で高品質なアトラス生成を可能にする。
関連論文リスト
- Molecular-driven Foundation Model for Oncologic Pathology [6.922502805825084]
スライドレベルの基盤モデルであるThreadsを導入し、任意のサイズの全スライド画像の普遍的な表現を生成する。
スレッドは47,171ヘマトキシリンとエオシン(H&E)染色組織分画の多モード学習法を用いて事前訓練を行った。
論文 参考訳（メタデータ） (2025-01-28T02:35:02Z) - Efficient Deformable Tissue Reconstruction via Orthogonal Neural Plane [58.871015937204255]
変形性組織を再建するための高速直交平面(Fast Orthogonal Plane)を導入する。
我々は外科手術を4Dボリュームとして概念化し、それらをニューラルネットワークからなる静的および動的フィールドに分解する。
この分解により4次元空間が増加し、メモリ使用量が減少し、最適化が高速化される。
論文 参考訳（メタデータ） (2023-12-23T13:27:50Z) - Dynamic Neural Fields for Learning Atlases of 4D Fetal MRI Time-series [6.3611649921759525]
本稿では,ニューラルネットワークを用いた高速バイオメディカル画像アトラス構築法を提案する。
本手法は,子宮における胎児の動的BOLD MRI時系列の被験者別アトラスの学習と運動安定化に応用する。
論文 参考訳（メタデータ） (2023-11-06T05:01:58Z) - Gene-induced Multimodal Pre-training for Image-omic Classification [20.465959546613554]
本稿では、ゲノム情報と全スライド画像(WSI)を併用した遺伝子誘導型マルチモーダル事前学習フレームワークを提案する。
TCGAデータセットによる実験結果から,ネットワークアーキテクチャと事前学習フレームワークの優位性が示され,画像-オミクス分類の精度は99.47%に達した。
論文 参考訳（メタデータ） (2023-09-06T04:30:15Z) - Domain Generalization for Mammographic Image Analysis with Contrastive
Learning [62.25104935889111]
効果的なディープラーニングモデルのトレーニングには、さまざまなスタイルと品質を備えた大規模なデータが必要である。
より優れたスタイルの一般化能力を備えた深層学習モデルを実現するために,新しいコントラスト学習法が開発された。
提案手法は,様々なベンダスタイルドメインのマンモグラムや,いくつかのパブリックデータセットを用いて,広範囲かつ厳密に評価されている。
論文 参考訳（メタデータ） (2023-04-20T11:40:21Z) - Fast spline detection in high density microscopy data [0.0]
多生物系の顕微鏡的研究において、衝突と重なりの問題は依然として困難である。
そこで,本研究では,一般的なモチーフと重なり合うスプラインの正確な形状軌跡を抽出する,エンドツーエンドの深層学習手法を開発した。
線虫Caenorhabditis elegansの密集実験における使用性の設定と実証を行った。
論文 参考訳（メタデータ） (2023-01-11T13:40:05Z) - A Fair Experimental Comparison of Neural Network Architectures for
Latent Representations of Multi-Omics for Drug Response Prediction [7.690774882108066]
等価条件下でのマルチオミクス統合手法の訓練と最適化を行う。
我々は、中間統合と後期統合の利点を組み合わせた新しい手法、Omics Stackingを考案した。
複数のオミクスデータを用いた公開薬物応答データセットを用いて実験を行った。
論文 参考訳（メタデータ） (2022-08-31T12:46:08Z) - Relational Subsets Knowledge Distillation for Long-tailed Retinal
Diseases Recognition [65.77962788209103]
本研究では,長尾データを知識に基づいて複数のクラスサブセットに分割し,クラスサブセット学習を提案する。
モデルがサブセット固有の知識の学習に集中するように強制する。
提案手法は長期網膜疾患認識タスクに有効であることが判明した。
論文 参考訳（メタデータ） (2021-04-22T13:39:33Z) - Towards an Automatic Analysis of CHO-K1 Suspension Growth in
Microfluidic Single-cell Cultivation [63.94623495501023]
我々は、人間の力で抽象化されたニューラルネットワークをデータレベルで注入できる新しい機械学習アーキテクチャを提案する。
具体的には、自然データと合成データに基づいて生成モデルを同時に訓練し、細胞数などの対象変数を確実に推定できる共有表現を学習する。
論文 参考訳（メタデータ） (2020-10-20T08:36:51Z) - Modeling Shared Responses in Neuroimaging Studies through MultiView ICA [94.31804763196116]
被験者の大規模なコホートを含むグループ研究は、脳機能組織に関する一般的な結論を引き出す上で重要である。
グループ研究のための新しい多視点独立成分分析モデルを提案し、各被験者のデータを共有独立音源と雑音の線形結合としてモデル化する。
まず、fMRIデータを用いて、被験者間の共通音源の同定における感度の向上を示す。
論文 参考訳（メタデータ） (2020-06-11T17:29:53Z) - A Comprehensive Study on Temporal Modeling for Online Action Detection [50.558313106389335]
オンライン行動検出(OAD)は実用的だが難しい課題であり、近年注目を集めている。
本稿では,4種類の時間的モデリング手法を含むOADの時間的モデリングに関する総合的研究を提案する。
本稿では,THUMOS-14 と TVSeries に対して,近年の最先端手法よりも大きなマージンを有するハイブリッド時間モデルを提案する。
論文 参考訳（メタデータ） (2020-01-21T13:12:58Z)
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。