文献
J-GLOBAL ID:202002277259278133   整理番号:20A2273563

fMRIデータをノイズ除去するための3D畳込みカプセル化長期メモリ(3DConv-LSTM)モデル【JST・京大機械翻訳】

A 3D Convolutional Encapsulated Long Short-Term Memory (3DConv-LSTM) Model for Denoising fMRI Data
著者 (5件):
資料名:
巻: 12267  ページ: 479-488  発行年: 2020年 
JST資料番号: H0078D  ISSN: 0302-9743  資料種別: 会議録 (C)
記事区分: 原著論文  発行国: ドイツ (DEU)  言語: 英語 (EN)
抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
機能磁気共鳴イメージング(fMRI)データは,頭部運動,生理学的ノイズ,および熱雑音によって導入されるノイズによって典型的に汚染されている。fMRIデータにおける雑音アーチファクトを緩和するために,fMRIデータの全時系列から導出された雑音因子を除去し,従って実時間fMRIデータ解析には適用できない。本研究では,雑音フリーの現実的な個々のfMRIボリューム(時間点)を生成するために,一般的に適用可能な深層学習ベースのfMRI雑音除去法を開発した。特に,完全データ駆動3D畳込みカプセル化Long Short-Termメモリ(3DConv-LSTM)アプローチを開発し,生成したfMRI体積を批判ネットワークをフォローすることによってより現実的にする敵対ネットワークにより正規化した雑音フリーfMRIボリュームを生成した。また,3DConv-LSTMモデルは,メモリプール内の短期依存性と歴史的情報を記憶するためにゲート制御自己注意モデルを統合する。著者らは,タスクと静止状態fMRIデータの両方に基づく著者らの方法を評価した。定性的および定量的結果は,提案した方法が最先端の代替深層学習法より優れていることを実証した。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
医用画像処理 

前のページに戻る