論文の概要: Robust Containerization of the High Angular Resolution Functional Imaging (HARFI) Pipeline

• arxiv url: http://arxiv.org/abs/2507.07010v1
• Date: Wed, 09 Jul 2025 16:40:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-10 17:37:43.677776
• Title: Robust Containerization of the High Angular Resolution Functional Imaging (HARFI) Pipeline
• Title（参考訳）: 高角分解能機能画像(HARFI)パイプラインのロバストコンテナ化
• Authors: Zhiyuan Li, Kurt G. Schilling, Bennett A. Landman,
• Abstract要約: 近年の研究では、ホワイトマターの機能的活動が認知と学習の両方において有意義な役割を担っていることが示されている。 前回の研究では,白質の局所的および大域的相関パターンを示す高角分解能機能イメージング(HARFI)パイプラインを導入した。 HARFIのオリジナルの実装はGitHubからリリースされたが、ソースコードの実行の技術的複雑さのために採用は制限された。 本研究では、HARFIパイプラインの堅牢で効率的なコンテナ化バージョンを提示し、複数のパブリックデータセットをシームレスに実行できるようにする。
• 参考スコア（独自算出の注目度）: 9.844629607981103
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Historically, functional magnetic resonance imaging (fMRI) of the brain has focused primarily on gray matter, particularly the cortical gray matter and associated nuclei. However, recent work has demonstrated that functional activity in white matter also plays a meaningful role in both cognition and learning. In previous work, we introduced the High Angular Resolution Functional Imaging (HARFI) pipeline, which demonstrated both local and global patterns of functional correlation in white matter. Notably, HARFI enabled exploration of asymmetric voxel-wise correlation using odd-order spherical harmonics. Although the original implementation of HARFI was released via GitHub, adoption was limited due to the technical complexity of running the source code. In this work, we present a robust and efficient containerized version of the HARFI pipeline, enabling seamless execution across multiple public datasets. Our goal is to facilitate broader and deeper exploration of functional white matter architecture, especially through the lens of high angular resolution functional correlations. The key innovation of this work is the containerized implementation, which we have made available under a permissive open-source license to support reproducible and accessible research practices.
• Abstract（参考訳）: 歴史的に、脳の機能的磁気共鳴イメージング(fMRI)は主に灰白質、特に皮質灰白質と関連する核に焦点を当てている。 しかし、近年の研究では、ホワイトマターの機能的活動が認知と学習の両方において有意義な役割を果たすことが示されている。 前回の研究では,白質の局所的および大域的相関パターンを示す高角分解能機能イメージング(HARFI)パイプラインを導入した。 特に、HARFIは奇数次球面調和を用いた非対称ボクセル相関の探索を可能にした。 HARFIのオリジナルの実装はGitHubからリリースされたが、ソースコードの実行の技術的複雑さのために採用は制限された。 本研究では、HARFIパイプラインの堅牢で効率的なコンテナ化バージョンを提示し、複数のパブリックデータセットをシームレスに実行できるようにする。 我々のゴールは、特に高角分解能関数相関のレンズを通して、機能的ホワイトマターアーキテクチャのより広範かつより深い探索を促進することである。 この作業の重要な革新はコンテナ化実装で、再現可能でアクセス可能な研究プラクティスをサポートするために、寛容なオープンソースライセンスの下で利用可能にしています。

関連論文リスト

• RD-UIE: Relation-Driven State Space Modeling for Underwater Image Enhancement [59.364418120895]
  水中画像強調(UIE)は、海洋視覚応用のための重要な前処理ステップである。 実効UIE(RD-UIE)のための新しい関係駆動型マンバフレームワークを開発した。 水中強化ベンチマークの実験では、RD-UIEは最先端のアプローチであるWMambaよりも優れていた。
  論文  参考訳（メタデータ） (2025-05-02T12:21:44Z)
• Robust Hyperspectral Image Panshapring via Sparse Spatial-Spectral Representation [9.3350274016294]
  S$3$RNetはハイパースペクトル画像パネルペンのための新しいフレームワークである。 低分解能ハイパースペクトル画像(LRHSI)と高分解能マルチスペクトル画像(HRMSI)を疎空間スペクトル表現により組み合わせる。 S$3$RNetは、複数の評価指標で最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2025-01-14T09:09:14Z)
• A Refreshed Similarity-based Upsampler for Direct High-Ratio Feature Upsampling [54.05517338122698]
  一般的な類似性に基づく機能アップサンプリングパイプラインが提案されている。 本稿では,セマンティック・アウェアとディテール・アウェアの両方の観点から,明示的に制御可能なクエリキー機能アライメントを提案する。 我々は,モーザイクアーティファクトを緩和する上ではシンプルだが有効であるHR特徴に対して,きめ細かな近傍選択戦略を開発する。
  論文  参考訳（メタデータ） (2024-07-02T14:12:21Z)
• High-Order Structure Based Middle-Feature Learning for Visible-Infrared Person Re-Identification [37.954344873390106]
  Visible-Infrared person re-identification (VI-ReID) は、可視光(VIS)と赤外線(IR)カメラで捉えた人物の画像を取得することを目的としている。 既存のVI-ReID法では,特徴の高次構造情報を無視すると同時に,適切な共通特徴空間の学習が比較的困難である。 実効的なVI-ReIDのための新しい高次構造に基づく中高次学習ネットワーク(HOS-Net)を提案する。
  論文  参考訳（メタデータ） (2023-12-13T02:48:03Z)
• CiaoSR: Continuous Implicit Attention-in-Attention Network for Arbitrary-Scale Image Super-Resolution [158.2282163651066]
  本稿ではCiaoSRと呼ばれる連続的な暗黙の注意-注意ネットワークを提案する。 我々は、周辺地域の特徴のアンサンブル重みを学習するために、暗黙の注意ネットワークを明示的に設計する。 我々は、この暗黙の注意ネットワークにスケールアウェアの注意を埋め込んで、追加の非ローカル情報を活用する。
  論文  参考訳（メタデータ） (2022-12-08T15:57:46Z)
• Centralized Feature Pyramid for Object Detection [53.501796194901964]
  視覚的特徴ピラミッドは、広範囲のアプリケーションにおいて、有効性と効率の両方において、その優位性を示している。 本稿では,オブジェクト検出のためのOLO特徴ピラミッドを提案する。
  論文  参考訳（メタデータ） (2022-10-05T08:32:54Z)
• UltraSR: Spatial Encoding is a Missing Key for Implicit Image Function-based Arbitrary-Scale Super-Resolution [74.82282301089994]
  本研究では,暗黙的イメージ関数に基づく,シンプルで効果的な新しいネットワーク設計であるUltraSRを提案する。 空間符号化は,次の段階の高精度暗黙的画像機能に対する欠落鍵であることを示す。 UltraSRは、すべての超解像スケールでDIV2Kベンチマークに最新のパフォーマンスを設定します。
  論文  参考訳（メタデータ） (2021-03-23T17:36:42Z)

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。