クロスモダリティ神経画像合成:調査【JST・京大機械翻訳】

Xie Guoyang; Huang Yawen; Wang Jinbao; Lyu Jiayi; Zheng Feng; Zheng Yefeng; Jin Yaochu

プレプリント

J-GLOBAL ID：202202218270359965 整理番号：22P0289609

クロスモダリティ神経画像合成:調査【JST・京大機械翻訳】

Cross-Modality Neuroimage Synthesis: A Survey

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： 2022年02月14日プレプリントサーバーでの情報更新日： 2023年09月21日
JST資料番号： O7000B 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)

マルチモダリティイメージングは,疾患診断を改善し,解剖学的性質を有する組織での明白な逸脱を明らかにする。完全に整列し,対になったマルチモーダル神経画像データの存在は,脳研究においてその有効性を証明した。しかし,高コスト,長い取得時間,画像崩壊,およびプライバシー問題を含む多くの困難に直面したので,完全に整列し,対になったデータを収集することは,高価であるか,非実用的である。代替解法は,教師なしまたは弱い教師つき学習法を調査して,非存在の神経画像データを合成することである。本論文では,弱い教師つきおよび教師なし設定の展望,損失関数,評価計量,画像モダリティ,データセットおよび合成に基づく下流アプリケーションから,神経画像に対するクロスモーダル合成の包括的なレビューを提供した。クロスモーダル神経画像合成に対するいくつかの開口課題を強調する。次に,異なる監督の下でクロスモーダル合成法の代表的アーキテクチャについて議論する。これに続いて,クロスモーダル神経画像合成が,その下流タスクの性能を改善する方法を評価するために,段階的詳細分析が続く。最後に,既存の研究成果をまとめ,将来の研究方向を指摘した。すべての資源は,https://github.com/M 3LAB/awesome multimodal brain image systhesisで利用可能である。【JST・京大機械翻訳】

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

人工知能 , パターン認識 , 図形・画像処理一般

, ,

前のページに戻る