脳構造における集団レベル変動を解釈するための生成モデリングアプローチ【JST・京大機械翻訳】

Liu, R.; Subakan, C.; Balwani, A. H.; Whitesell, J. D.; Harris, J. A.; Koyejo, S.; Dyer, E.

プレプリント

J-GLOBAL ID：202202201935024790 整理番号：22P0237417

脳構造における集団レベル変動を解釈するための生成モデリングアプローチ【JST・京大機械翻訳】

A generative modeling approach for interpreting population-level variability in brain structure

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (7件)： , , , , , ,
資料名：
発行年： 2020年06月05日プレプリントサーバーでの情報更新日： 2020年06月05日
JST資料番号： O7001B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

神経構造が個人間でどのように変化するかを理解することは,脳に対する疾患,学習および加齢の影響を特徴づけるために重要である。しかし,個々の変動性を生じさせる異なる要因の混乱は,まだ顕著な課題である。本論文では,多くの個人にわたって異なる変動モードを見つけるための深層生成モデリング手法を導入した。これを行うため,25ミクロン解像度で1700マウス脳から自動蛍光画像の収集に変分オートエンコーダを訓練し始める。次に,学習された因子にタップし,モデル表現性を検証するために,著者らは,そのボトルネックにおける低次元潜在変数と同様に,ネットワークの高い次元入力の両方に対する構造化摂動を作って,潜在空間を解釈するための新しい双方向技術を開発した。著者らの結果は,構造化摂動と生成モデリングフレームワークを結合することを通して,深いニューラルネットワークにおいて形成される脳構造の表現への洞察を提供するために,潜在空間を探査できることを証明した。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

人工知能 , 医用画像処理

, ,

前のページに戻る