Daily Arxiv

Cette page résume et organise les publications en intelligence artificielle du monde entier.
Les contenus sont synthétisés grâce à Google Gemini et le service est proposé à but non lucratif.
Les droits d'auteur des articles appartiennent à leurs auteurs ou institutions respectives ; en cas de partage, il suffit d'en mentionner la source.

FreqSelect : reconstruction d'images IRMf en fonction de la fréquence

Created by
  • Haebom

Auteur

Junliang Ye, Lei Wang, docteur Zakir Hossain

Contour

Cet article aborde la reconstruction d'images naturelles à partir de données IRMf. Les modèles à deux étapes existants (combinant modèles VAE et de diffusion) souffrent d'un traitement inefficace de toutes les composantes de fréquence spatiale de manière égale. Dans cet article, nous proposons FreqSelect, un module léger et adaptatif qui filtre sélectivement les bandes de fréquences spatiales. FreqSelect agit comme une passerelle sensible au contenu entre les caractéristiques de l'image et les données naturelles en mettant en évidence les fréquences les plus pertinentes pour la prédiction de l'activité cérébrale et en supprimant les fréquences non pertinentes. L'évaluation sur l'ensemble de données « Scènes Naturelles » démontre une qualité de reconstruction améliorée pour les métriques de bas et de haut niveau, et les schémas de sélection de fréquences appris fournissent des informations interprétables sur la façon dont les différentes fréquences visuelles sont représentées dans le cerveau. De plus, l'approche proposée est généralisable à tous les sujets et à toutes les scènes et pourrait être étendue à d'autres techniques de neuroimagerie.

Takeaways, Limitations

•
Takeaways:
◦
Améliorer la précision de la reconstruction d'images naturelles à partir de données IRMf.
◦
Nous avons observé des améliorations de performances sur les mesures de bas et de haut niveau.
◦
Les modèles de sélection de fréquence appris fournissent des informations interprétables sur les représentations de fréquence visuelle dans le cerveau.
◦
Excellentes performances de généralisation sur les sujets et les scènes.
◦
Extension potentielle à d’autres techniques de neuroimagerie.
•
Limitations:
◦
L'évaluation a été réalisée uniquement sur l'ensemble de données « Scènes Naturelles ». Une généralisation des performances sur d'autres ensembles de données est requise.
◦
D’autres études sont nécessaires pour déterminer la pertinence biologique du module FreqSelect.
◦
Bien que la possibilité d’une extension à d’autres techniques de neuroimagerie ait été suggérée, des recherches supplémentaires sont nécessaires pour une application pratique et une vérification des performances.
👍
Made with Slashpage