betashort
commented
4 years ago タスクベースのfMRIデータをノイズ除去するための堅牢なディープニューラルネットワーク：ワーキングメモリとエピソードメモリへの応用
abstract Google翻訳
この研究では、ディープニューラルネットワーク（DNN）を提案して、明示的にノイズをモデル化せずに、タスクベースのfMRIデータのノイズを低減しています。DNNの人工ニューラルネットワークは、一つの時間畳み込み層、一つの長い短期記憶（LSTM）層、一度分布完全接続層、および1つの型破りから成る選択順番で層。LSTMレイヤーは、現在の時点だけでなく、fMRIデータの時間的自己相関を特徴付ける入力として、以前の時点で認識されたものも取得します。完全に接続された層の重みLSTM層の出力、および出力ノイズ除去のfMRI時系列をによって選択される選択層。タスク関連の神経応答が灰白質に限定されると仮定すると、DNNネットワークのモデルパラメータは、灰白質ボクセルと白質または脳室脳脊髄液ボクセルとの相関差を最大化することにより最適化されます。特定のノイズ源をターゲットとする代わりに、提案されたニューラルネットワークはタスク設計マトリックスを利用して、fMRIデータのタスク関連信号をより適切に抽出します。DNNネットワークは、他の従来のノイズ除去技術とともに、シミュレートされたデータ、健康な被験者のコホートから取得された作業記憶タスクfMRIデータ、および少数の健康な高齢者から取得されたエピソード記憶タスクfMRIデータに適用されています さまざまなノイズ除去技術のパフォーマンスを評価するために、定性的および定量的測定が使用されました。シミュレーションでは、DNNはfMRIの活性化の検出を改善し、さまざまな脳領域にわたって変化する血行動態応答機能にも適応します。DNNは、生理学的ノイズを効率的に低減し、実際のデータでより均質なタスク応答相関マップを生成します。
0. 論文情報・リンク
論文リンク：https://www.sciencedirect.com/science/article/pii/S1361841519301586 公開日時：February 2020 実装コード： Publication : Medical Image Analysis Volume 60, February 2020, 101622
1. どんなもの？
2. 先行研究と比べてどこがすごいの？
3. 技術や手法の"キモ"はどこにある？
4. どうやって有効だと検証した？
5. 議論はあるか？
6. 次に読むべき論文はあるか？
7. 実装
8. 参考文献