論文の概要: Learning to See via Epiretinal Implant Stimulation in silico with Model-Based Deep Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2606.03118v1
• Date: Tue, 02 Jun 2026 04:03:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-03 22:00:04.748631
• Title: Learning to See via Epiretinal Implant Stimulation in silico with Model-Based Deep Reinforcement Learning
• Title（参考訳）: モデルを用いた深部強化学習によるサイリコの網膜インプラント刺激による観察
• Authors: Jacob Lavoie, Marwan Besrour, William Lemaire, Jean Rouat, Réjean Fontaine, Eric Plourde,
• Abstract要約: 我々は、画像を形成するために等方性と異方性の形状を組み立てることを学ぶ深層強化学習エージェントを訓練する。 本研究は, 異なる仮想患者において, ナイーブ法と比較して, より分かりやすい画像を生成することができることを示す。
• 参考スコア（独自算出の注目度）: 3.0581668008670673
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Objective: Diseases such as age-related macular degeneration and retinitis pigmentosa cause the degradation of the photoreceptor layer. One approach to restore vision is to electrically stimulate the surviving retinal ganglion cells with a microelectrode array such as epiretinal implants. Epiretinal implants are known to generate visible anisotropic shapes elongated along the axon fascicles of neighboring retinal ganglion cells. Recent work has demonstrated that to obtain isotropic pixel-like shapes, it is possible to map axon fascicles and avoid stimulating them by inactivating electrodes or lowering stimulation current levels. Avoiding axon fascicle stimulation aims to remove brushstroke-like shapes in favor of a more reduced set of pixel-like shapes. Approach: In this study, we propose the use of isotropic and anisotropic shapes to render intelligible images on the retina of a virtual patient in a reinforcement learning environment named rlretina. The environment formalizes the task as using brushstrokes in a stroke-based rendering task. Main Results: We train a deep reinforcement learning agent that learns to assemble isotropic and anisotropic shapes to form an image. We investigate which error-based or perception-based metrics is adequate to reward the agent. The agent is trained in a model-based data generation fashion using the psychophysically validated axon map model to render images as perceived by different virtual patients. We show that the agent can generate more intelligible images compared to the naive method in different virtual patients. Significance: This work shares a new way to address epiretinal stimulation that constitutes a first step towards improving visual acuity in artificially-restored vision using anisotropic phosphenes.
• Abstract（参考訳）: 目的:加齢に伴う黄斑変性や網膜色素変性などの疾患は、光受容体層の劣化を引き起こす。 視覚を回復するための1つのアプローチは、上皮インプラントのような微小電極アレイで生き残った網膜神経節細胞を電気的に刺激することである。 上皮インプラントは、隣接する網膜神経節細胞の軸索筋に沿って伸びる可視異方性形状を生成することが知られている。 近年の研究では、等方性画素状の形状を得るためには、軸索のファシクルをマッピングし、電極の不活性化や刺激電流レベル低下による刺激を避けることが示されている。 軸索ファシクル刺激を避けることは、ブラシストロークのような形状を取り除き、ピクセルのような形状をより小さくすることを目的としている。 アプローチ: 本研究は, ルレチナ(rlretina)という強化学習環境において, 仮想患者の網膜に可視像を描画するために等方的および異方的形状を用いることを提案する。 環境は、ストロークベースのレンダリングタスクでブラシストロークを使用するようにタスクをフォーマル化する。 主な結果: 画像を形成するために等方的および異方的形状を組み立てることを学ぶ深層強化学習エージェントを訓練する。 エージェントに報酬を与えるのに、どのエラーベースまたは知覚ベースの指標が適切かを検討する。 このエージェントは、精神物理学的に検証された軸索マップモデルを用いて、モデルベースのデータ生成方式で訓練され、異なる仮想患者によって認識されるイメージをレンダリングする。 本研究は, 異なる仮想患者において, ナイーブ法と比較して, より分かりやすい画像を生成することができることを示す。 意義:本研究は、異方性フォスフェンを用いた人工記憶視覚における視力向上に向けた第一歩となる、網膜の刺激に対処する新しい方法を共有する。

関連論文リスト

• PixCell: A generative foundation model for digital histopathology images [49.00921097924924]
  PixCellは,病理組織学における最初の拡散ベース生成基盤モデルである。 われわれはPanCan-30MでPixCellをトレーニングした。
  論文  参考訳（メタデータ） (2025-06-05T15:14:32Z)
• Progressive Retinal Image Registration via Global and Local Deformable Transformations [49.032894312826244]
  我々はHybridRetinaと呼ばれるハイブリッド登録フレームワークを提案する。 キーポイント検出器とGAMorphと呼ばれる変形ネットワークを用いて、大域的な変換と局所的な変形可能な変換を推定する。 FIREとFLoRI21という2つの広く使われているデータセットの実験により、提案したHybridRetinaは最先端の手法よりも大幅に優れていることが示された。
  論文  参考訳（メタデータ） (2024-09-02T08:43:50Z)
• Optimizing Retinal Prosthetic Stimuli with Conditional Invertible Neural Networks [1.1454121287632515]
  本稿では,非教師ありの方法で網膜インプラント刺激を最適化するために,フローベース条件付き非可逆ニューラルネットワークの正規化を活用することを提案する。 これらのネットワークの可逆性により、視覚系の計算モデルの代用として使用できる。 自明なダウンサンプリング、線形モデル、フィードフォワード畳み込みニューラルネットワークなどの他の手法と比較して、フローベースの可逆ニューラルネットワークとその条件付き拡張は、より良い視覚的再構成特性をもたらす。
  論文  参考訳（メタデータ） (2024-03-07T20:16:42Z)
• Adapting Brain-Like Neural Networks for Modeling Cortical Visual Prostheses [68.96380145211093]
  皮質補綴は視覚野に移植された装置で、電気的にニューロンを刺激することで失った視力を回復しようとする。 現在、これらのデバイスが提供する視覚は限られており、刺激による視覚知覚を正確に予測することはオープンな課題である。 我々は、視覚システムの有望なモデルとして登場した「脳様」畳み込みニューラルネットワーク(CNN)を活用することで、この問題に対処することを提案する。
  論文  参考訳（メタデータ） (2022-09-27T17:33:19Z)
• Deep Learning-Based Perceptual Stimulus Encoder for Bionic Vision [6.1739856715198]
  そこで我々は,所望の視覚知覚を生み出すために必要な電極活性化パターンを予測するために,エンド・ツー・エンドで訓練されたPSEを提案する。 MNISTに対するエンコーダの有効性を、個々の網膜インプラント使用者に適した精神生理学的に検証されたホスフェインモデルを用いて実証した。
  論文  参考訳（メタデータ） (2022-03-10T19:42:09Z)
• Sharp-GAN: Sharpness Loss Regularized GAN for Histopathology Image Synthesis [65.47507533905188]
  コンディショナル・ジェネレーショナル・ジェネレーティブ・逆境ネットワークは、合成病理像を生成するために応用されている。 そこで我々は,現実的な病理像を合成するために,シャープネスロス正則化生成対向ネットワークを提案する。
  論文  参考訳（メタデータ） (2021-10-27T18:54:25Z)
• Explainable Diabetic Retinopathy Detection and Retinal Image Generation [16.140110713539023]
  本稿では,医学診断における深層学習応用の解釈可能性を活用することを提案する。 糖尿病性網膜症検知器が決定に依存するニューロン活性化パターンを決定・分離することにより,病理的説明のために単離されたニューロン活性化と病変の直接的関係を示す。 ディスクリプタで符号化された症状を可視化するために,医学的に可視な網膜像を合成する新しいネットワークPatho-GANを提案する。
  論文  参考訳（メタデータ） (2021-07-01T08:30:04Z)
• Fooling the primate brain with minimal, targeted image manipulation [67.78919304747498]
  本稿では、行動に反映される神経活動と知覚の両方の変化をもたらす、最小限の標的画像摂動を生成するための一連の手法を提案する。 我々の研究は、敵対的攻撃、すなわち最小限のターゲットノイズによる画像の操作で同じ目標を共有し、ANNモデルに画像の誤分類を誘導する。
  論文  参考訳（メタデータ） (2020-11-11T08:30:54Z)

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。