論文の概要: Capturing Longitudinal Changes in Brain Morphology Using Temporally Parameterized Neural Displacement Fields

• arxiv url: http://arxiv.org/abs/2504.09514v1
• Date: Sun, 13 Apr 2025 10:38:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-15 16:54:04.965561
• Title: Capturing Longitudinal Changes in Brain Morphology Using Temporally Parameterized Neural Displacement Fields
• Title（参考訳）: 時間的パラメータ化ニューラル変位場を用いた脳形態の経時的変化の捉え方
• Authors: Aisha L. Shuaibu, Kieran A. Gibb, Peter A. Wijeratne, Ivor J. A. Simpson,
• Abstract要約: 時間パラメータ化ニューラル変位場を用いた構造変化をモデル化する新しい縦型登録法を提案する。 本手法が4次元脳MRレジストレーションに及ぼす影響を実証する。
• 参考スコア（独自算出の注目度）: 1.8124328823188356
• License:
• Abstract: Longitudinal image registration enables studying temporal changes in brain morphology which is useful in applications where monitoring the growth or atrophy of specific structures is important. However this task is challenging due to; noise/artifacts in the data and quantifying small anatomical changes between sequential scans. We propose a novel longitudinal registration method that models structural changes using temporally parameterized neural displacement fields. Specifically, we implement an implicit neural representation (INR) using a multi-layer perceptron that serves as a continuous coordinate-based approximation of the deformation field at any time point. In effect, for any N scans of a particular subject, our model takes as input a 3D spatial coordinate location x, y, z and a corresponding temporal representation t and learns to describe the continuous morphology of structures for both observed and unobserved points in time. Furthermore, we leverage the analytic derivatives of the INR to derive a new regularization function that enforces monotonic rate of change in the trajectory of the voxels, which is shown to provide more biologically plausible patterns. We demonstrate the effectiveness of our method on 4D brain MR registration.
• Abstract（参考訳）: 経時的画像登録は、特定の構造の成長または萎縮のモニタリングが重要であるアプリケーションで有用な脳形態の時間的変化を研究することができる。 しかし、このタスクは、データのノイズ/アーティファクトとシーケンシャルスキャン間の小さな解剖学的変化を定量化するため、難しい。 時間パラメータ化ニューラル変位場を用いた構造変化をモデル化する新しい縦型登録法を提案する。 具体的には、任意の時点における変形場の連続的な座標に基づく近似として機能する多層パーセプトロンを用いた暗黙的神経表現(INR)を実装する。 実際、特定の対象の任意のNスキャンに対して、我々のモデルは3次元空間座標位置 x, y, z と対応する時間的表現 t を入力として、観測された点と観測されていない点の両方に対する構造の連続的な形態を記述することを学習する。 さらに,INRの解析的誘導体を応用して,ボクセルの軌道の単調変化率を強制する新たな正則化関数を導出し,より生物学的に妥当なパターンを提供することを示した。 本手法が4次元脳MRレジストレーションに及ぼす影響を実証する。

関連論文リスト

• SpaER: Learning Spatio-temporal Equivariant Representations for Fetal Brain Motion Tracking [6.417960463128722]
  SpaERは胎児運動追跡の先駆的手法である。 我々は,剛体運動列を効率的に学習する同変ニューラルネットワークを開発した。 シミュレーションおよび実動作を用いた実胎児エコープラナー画像を用いて本モデルの有効性を検証した。
  論文  参考訳（メタデータ） (2024-07-29T17:24:52Z)
• The Role of Temporal Hierarchy in Spiking Neural Networks [2.0881857682885836]
  スパイキングニューラルネットワーク(SNN)は、空間的パラメータと時間的パラメータの両方を活用することにより、リッチ時間信号処理の可能性を秘めている。 最近、時間定数は、ネットワークで必要とされるパラメータの総数を減らすのに役立つ計算上の利点があることが示されている。 最適化のコストを削減するために、この場合、時間領域においてアーキテクチャバイアスを適用することができる。 本稿では,SNNの隠蔽層に時間的表現の階層を付加し,そのような帰納的バイアスが性能を向上させることを明らかにする。
  論文  参考訳（メタデータ） (2024-07-26T16:00:20Z)
• Neural Ordinary Differential Equation based Sequential Image Registration for Dynamic Characterization [13.492983263194636]
  この拡張研究は、このフレームワークがシーケンシャルな生物学的プロセスのキャラクタリゼーションにどのように役立つかを論じる。 我々の枠組みは、ボクセルを力学系の粒子とみなし、ニューラル微分方程式の積分による変形場を定義する。 心臓運動追跡用と経時的脳MRI画像解析用の2つの臨床データセットについて検討した。
  論文  参考訳（メタデータ） (2024-04-02T17:04:45Z)
• Equivariant Graph Neural Operator for Modeling 3D Dynamics [148.98826858078556]
  我々は,次のステップの予測ではなく,ダイナミックスを直接トラジェクトリとしてモデル化するために,Equivariant Graph Neural Operator (EGNO)を提案する。 EGNOは3次元力学の時間的進化を明示的に学習し、時間とともに関数として力学を定式化し、それを近似するためにニューラル演算子を学習する。 粒子シミュレーション、人間のモーションキャプチャー、分子動力学を含む複数の領域における総合的な実験は、既存の手法と比較して、EGNOの極めて優れた性能を示す。
  論文  参考訳（メタデータ） (2024-01-19T21:50:32Z)
• Spatio-Temporal Branching for Motion Prediction using Motion Increments [55.68088298632865]
  HMP(Human Motion Prediction)はその多種多様な応用により、人気のある研究トピックとして浮上している。 従来の手法は手作りの機能と機械学習技術に依存している。 HMPのためのインクリメンタル情報を用いた時空間分岐ネットワークを提案する。
  論文  参考訳（メタデータ） (2023-08-02T12:04:28Z)
• The Expressive Leaky Memory Neuron: an Efficient and Expressive Phenomenological Neuron Model Can Solve Long-Horizon Tasks [64.08042492426992]
  本稿では,脳皮質ニューロンの生物学的モデルであるExpressive Memory(ELM)ニューロンモデルを紹介する。 ELMニューロンは、上記の入力-出力関係を1万以下のトレーニング可能なパラメータと正確に一致させることができる。 本稿では,Long Range Arena(LRA)データセットなど,時間構造を必要とするタスクで評価する。
  論文  参考訳（メタデータ） (2023-06-14T13:34:13Z)
• Gait Recognition in the Wild with Multi-hop Temporal Switch [81.35245014397759]
  野生での歩行認識は、より実践的な問題であり、マルチメディアとコンピュータビジョンのコミュニティの注目を集めています。 本稿では,現実のシーンにおける歩行パターンの効果的な時間的モデリングを実現するために,新しいマルチホップ時間スイッチ方式を提案する。
  論文  参考訳（メタデータ） (2022-09-01T10:46:09Z)
• Neural Computed Tomography [1.7188280334580197]
  一連のプロジェクションの取得時の運動は、CT再構成において重要な運動アーティファクトにつながる可能性がある。 動作成果物から解放された時間分解画像を生成するための新しい再構成フレームワークであるNeuralCTを提案する。
  論文  参考訳（メタデータ） (2022-01-17T18:50:58Z)
• Space-Time Graph Neural Networks [104.55175325870195]
  本研究では、時空間グラフニューラルネットワーク(ST-GNN)を導入し、時間変動ネットワークデータの時空間トポロジを共同処理する。 解析の結果,システムのネットワークトポロジと時間進化の変動はST-GNNの性能に大きく影響しないことがわかった。
  論文  参考訳（メタデータ） (2021-10-06T16:08:44Z)
• Neural ODE Processes [64.10282200111983]
  NDP(Neural ODE Process)は、Neural ODEの分布によって決定される新しいプロセスクラスである。 我々のモデルは,少数のデータポイントから低次元システムのダイナミクスを捉えることができることを示す。
  論文  参考訳（メタデータ） (2021-03-23T09:32:06Z)
• Characterization of surface motion patterns in highly deformable soft tissue organs from dynamic MRI: An application to assess 4D bladder motion [0.0]
  本研究の目的は, 表面全体を完全に覆うために3次元密度速度測定を行うことである。 深呼吸時の膀胱表面動態を解析するためのパイプラインを提案する。
  論文  参考訳（メタデータ） (2020-10-05T08:38:08Z)

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。