論文の概要: An Interpretable Representation Learning Approach for Diffusion Tensor Imaging

• arxiv url: http://arxiv.org/abs/2505.19110v1
• Date: Sun, 25 May 2025 11:55:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-27 16:58:42.912396
• Title: An Interpretable Representation Learning Approach for Diffusion Tensor Imaging
• Title（参考訳）: 拡散テンソルイメージングのための解釈可能な表現学習手法
• Authors: Vishwa Mohan Singh, Alberto Gaston Villagran Asiares, Luisa Sophie Schuhmacher, Kate Rendall, Simon Weißbrod, David Rügamer, Inga Körte,
• Abstract要約: そこで我々は, DTIトラクトグラフィーの新たな2次元表現法を提案し, トラクションレベルの分画異方性(FA)値を9x9グレースケール画像にエンコードする。 この表現は、空間放送復号器を備えたベータ・トゥル相関変分自動符号化器によって処理される。 我々は,補助的分類,三重項損失,SimCLRに基づくコントラスト学習を含む,教師付きおよび教師なし表現学習戦略を用いて,この埋め込みの質を評価する。
• 参考スコア（独自算出の注目度）: 2.0790997295794442
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Diffusion Tensor Imaging (DTI) tractography offers detailed insights into the structural connectivity of the brain, but presents challenges in effective representation and interpretation in deep learning models. In this work, we propose a novel 2D representation of DTI tractography that encodes tract-level fractional anisotropy (FA) values into a 9x9 grayscale image. This representation is processed through a Beta-Total Correlation Variational Autoencoder with a Spatial Broadcast Decoder to learn a disentangled and interpretable latent embedding. We evaluate the quality of this embedding using supervised and unsupervised representation learning strategies, including auxiliary classification, triplet loss, and SimCLR-based contrastive learning. Compared to the 1D Group deep neural network (DNN) baselines, our approach improves the F1 score in a downstream sex classification task by 15.74% and shows a better disentanglement than the 3D representation.
• Abstract（参考訳）: 拡散テンソルイメージング(DTI)は、脳の構造的接続に関する詳細な知見を提供するが、ディープラーニングモデルにおける効果的な表現と解釈の課題を示す。 本研究では, DTIトラクトグラフィーの2次元表現を新たに提案し, トラクションレベルの分画異方性(FA)値を9x9グレースケール画像に符号化する。 この表現は、Spatial Broadcast Decoderを備えたβ-Total correlation Variational Autoencoderを通して処理され、非絡み合いで解釈可能な潜伏埋め込みを学習する。 我々は,補助的分類,三重項損失,SimCLRに基づくコントラスト学習を含む,教師付きおよび教師なし表現学習戦略を用いて,この埋め込みの質を評価する。 1D Group Deep Neural Network(DNN)ベースラインと比較して、下流の性分類タスクにおけるF1スコアは15.74%向上し、3D表現よりもより良い歪みを示した。

関連論文リスト

• Diff3Dformer: Leveraging Slice Sequence Diffusion for Enhanced 3D CT Classification with Transformer Networks [5.806035963947936]
  拡散型3次元視覚変換器(Diff3Dformer)を提案する。 本手法は, 肺CTの2種類の小さなデータセットに対して, 改良された性能を示す。
  論文  参考訳（メタデータ） (2024-06-24T23:23:18Z)
• 2D Feature Distillation for Weakly- and Semi-Supervised 3D Semantic Segmentation [92.17700318483745]
  合成訓練された2Dセマンティックセマンティックセグメンテーションネットワークから高レベル特徴情報を蒸留するアイデアに基づく画像誘導ネットワーク(IGNet)を提案する。 IGNetは、ScribbleKITTI上の弱い教師付きLiDARセマンティックセマンティックセグメンテーションの最先端の結果を達成し、8%のラベル付きポイントしか持たない完全な教師付きトレーニングに対して最大98%のパフォーマンスを誇っている。
  論文  参考訳（メタデータ） (2023-11-27T07:57:29Z)
• Interpretable 2D Vision Models for 3D Medical Images [47.75089895500738]
  本研究では,3次元画像処理における中間特徴表現を用いた2次元ネットワークの適応手法を提案する。 我々は、ベンチマークとして3D MedMNISTデータセットと、既存の手法に匹敵する数百の高分解能CTまたはMRIスキャンからなる2つの実世界のデータセットを示す。
  論文  参考訳（メタデータ） (2023-07-13T08:27:09Z)
• SAR-NeRF: Neural Radiance Fields for Synthetic Aperture Radar Multi-View Representation [7.907504142396784]
  本研究では、SARイメージング機構とニューラルネットワークを組み合わせることで、SAR画像生成のための新しいNeRFモデルを提案する。 SAR-NeRFは、ボクセルの減衰係数と散乱強度の分布を学習するために構築される。 その結果,SAR-NeRFオーグメンテーションデータセットは,数ショットの学習設定でSARターゲット分類性能を大幅に向上できることがわかった。
  論文  参考訳（メタデータ） (2023-07-11T07:37:56Z)
• Synthetic optical coherence tomography angiographs for detailed retinal vessel segmentation without human annotations [12.571349114534597]
  本稿では,より高速でリアルなOCTA合成のために,空間コロニー化に基づく網膜血管網の軽量なシミュレーションを行う。 本研究では,3つの公開データセットに対する定量的および定性的実験において,提案手法の優れたセグメンテーション性能を示す。
  論文  参考訳（メタデータ） (2023-06-19T14:01:47Z)
• Denoising Diffusion Autoencoders are Unified Self-supervised Learners [58.194184241363175]
  本稿では,拡散モデルにおけるネットワーク,すなわち拡散オートエンコーダ(DDAE)が,自己教師型学習者の統合であることを示す。 DDAEはすでに、補助エンコーダを使わずに、中間層内で線形分離可能な表現を強く学習している。 CIFAR-10 と Tiny-ImageNet の線形評価精度は95.9% と 50.0% である。
  論文  参考訳（メタデータ） (2023-03-17T04:20:47Z)
• Two-Stream Graph Convolutional Network for Intra-oral Scanner Image Segmentation [133.02190910009384]
  本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。 TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
  論文  参考訳（メタデータ） (2022-04-19T10:41:09Z)
• Diffusion-Based Representation Learning [65.55681678004038]
  教師付き信号のない表現学習を実現するために,デノナイズスコアマッチングフレームワークを拡張した。 対照的に、拡散に基づく表現学習は、デノナイジングスコアマッチング目的の新しい定式化に依存している。 同じ手法を用いて,半教師付き画像分類における最先端モデルの改善を実現する無限次元潜在符号の学習を提案する。
  論文  参考訳（メタデータ） (2021-05-29T09:26:02Z)
• Dense Dilated UNet: Deep Learning for 3D Photoacoustic Tomography Image Reconstruction [1.5749416770494706]
  3次元光音響トモグラフィ(PAT)における人工物補正のための改良畳み込みニューラルネットワーク (CNN) アーキテクチャ Dense Dilation UNet (DD-UNET) を提案する。 FD-UNet (Fully Dense UNet) のマルチスケール構造類似度指標で測定した画像品質の観点から,提案したCNNを比較した。 その結果、DD-NetはFD-UNetを一貫して上回り、より小さな画像の特徴をより確実に再構築できることを示した。
  論文  参考訳（メタデータ） (2021-04-07T14:01:48Z)

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。

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。