뇌 전체 분할을 위한 계층적 트랜스포머 개선: 두개강 내 측정치 통합
뇌 전체 분할 작업에 두개강 내 측정치(TICV, PFV)를 통합하여 뇌 구조 분석의 포괄성을 높임.
뇌 구조 자동 분석을 위한 설명 가능한 방법
본 연구는 뇌 조직의 미세 구조를 정량화하는 새로운 방법을 제안합니다. 이는 세포 모양 분석을 통한 해석 가능한 특징 추출에 기반합니다. 이는 기존의 회색조 값 기반 방법과 블랙박스 신경망 기반 방법과 대비됩니다. 제안된 시스템은 기존 뇌 구조를 정확하게 식별할 수 있으며, 뇌 정렬 및 연결성 연구에 활용될 수 있습니다.
뇌 백질 섬유 클러스터 형태 분석을 통한 언어 수행 및 인지 점수 예측
뇌 백질 섬유 클러스터의 형태 정보가 개인의 언어 기능 수행을 예측할 수 있다.
인공지능 모델의 3차원 학습 패턴 분석을 위한 설명 가능한 프레임워크
제안된 3차원 설명 가능 프레임워크는 딥러닝 네트워크가 뇌 구조 특징 학습 시 발견한 패턴을 효과적으로 검증하고 분석할 수 있다.
뇌 MRI에서 백질 고신호 병변의 지속성 기반 계수
백질 고신호 병변(WMH)의 정확한 계수를 위해 지속성 기반 접근법인 P-Count를 제안한다. P-Count는 WMH의 토폴로지 특성을 고려하여 노이즈를 효과적으로 제거하고 보다 정확한 병변 수를 산출한다.
뇌 MRI에서 백질 고신호 병변의 지속성 기반 계수
백질 고신호 병변(WMH)의 정확한 계수를 위해 지속성 기반 접근법인 P-Count를 제안한다. P-Count는 WMH의 토폴로지 특성을 고려하여 노이즈를 효과적으로 제거하고 보다 정확한 병변 수를 산출한다.
T1-MRI 기반 뇌 네트워크를 이용한 인지 장애 전환 예측을 위한 적응형 중요 하위 그래프 마이닝
본 연구는 T1-MRI 기반 뇌 네트워크에서 적응형으로 중요 하위 그래프를 마이닝하여 초기 치매 진단을 위한 강력한 도구를 제시한다.
뇌 활성 신호 변환과 공유되지 않은 자극을 통한 이미지 재구성: 개인 간 및 기관 간 적용
개인 간 및 기관 간 뇌 활성 신호를 변환하여 동일한 내용을 표현할 수 있으며, 이를 통해 공유되지 않은 자극에 대한 이미지를 재구성할 수 있다.
뇌 영상 데이터로 개인의 특성을 예측하는 데 있어서의 한계
뇌 영상 데이터만으로는 개인의 심리적, 병리적 특성을 정확하게 예측하기 어려우며, 더 정보적인 영상 데이터나 강력한 모델이 필요할 것으로 보인다.
© 2024 by Linnk AI