Отрывок: На втором этапе одношагового метаобучения (подпараграф 2.1) используются все, кроме одного из наборов данных, сформированных, как описано в 4.1, по этим наборам данных выполня- ется расчет вектора параметров (1). Оставшийся набор данных используется для адаптации модели на этапе 3 и оценки точности модели. При этом первое измерение из набора данных используется для обуче- ния, второе – в качестве валидационной выборки. Процедура повто...
Название : Нейросетевая технология обнаружения ступенчатых аномалий в параметрах движения головы для функциональной МРТ с адаптацией на основе метаобучения
Другие названия : Neural network for step anomaly detection in head motion during fMRI using meta-learning adaptation
Авторы/Редакторы : Давыдов, Н.С.
Евдокимова, В.В.
Серафимович, П.Г.
Проценко, В.И.
Храмов, А.Г.
Никоноров, А.В.
Ключевые слова : рекуррентные нейронные сети
обнаружение аномалий
анализ сигналов
функциональная магнитно-резонансная томография
метаобучение
Дата публикации : Ноя-2023
Издательство : Самарский национальный исследовательский университет
Библиографическое описание : Давыдов, Н.С. Нейросетевая технология обнаружения ступенчатых аномалий в параметрах движения головы для функциональной МРТ с адаптацией на основе метаобучения / Н.С. Давыдов, В.В. Евдокимова, П.Г. Серафимович, В.И. Проценко, А.Г. Храмов, А.В. Никоноров // Компьютерная оптика. – 2023. – Т. 47, № 6. – С. 991-1001. – DOI: 10.18287/2412-6179-CO-1337.
Серия/номер : 47;6
Аннотация : Контроль качества и обнаружение артефактов в данных функциональной магнитно-резонансной томографии актуален для исследований головного мозга и клинических применений. Движение головы испытуемых остается основным источником артефактов – даже микросмещение головы способно исказить структурные и функциональные МРТ-данные. В настоящей работе предложена сквозная нейросетевая технология обнаружения ступенчатых аномалий с обучением на частично синтезированных данных с адаптацией к конкретному малому набору реальных данных. Разработана процедура формирования синтетического набора данных для обучения и автоматизированной разметки реальных данных. Предложена рекуррентная нейросетевая модель обнаружения ступенчатых аномалий. Разработан метод адаптации модели по малому набору реальных данных на основе одношагового метаобучения. Экспериментальная проверка точности проведена в задаче детектирования ступенчатых аномалий скользящим окном в 10, 15 и 24 отсчёта. Эксперименты показали, что предложенная технология обеспечивает обнаружение ступенчатых аномалий с точностью до 0,9546.
URI (Унифицированный идентификатор ресурса) : https://dx.doi.org/10.18287/2412-6179-CO-1337
http://repo.ssau.ru/handle/Zhurnal-Komputernaya-optika/Neirosetevaya-tehnologiya-obnaruzheniya-stupenchatyh-anomalii-v-parametrah-dvizheniya-golovy-dlya-funkcionalnoi-MRT-s-adaptaciei-na-osnove-metaobucheniya-109487
Другие идентификаторы : Dspace\SGAU\20240518\109487
ГРНТИ: 28.23.29
Располагается в коллекциях: Журнал "Компьютерная оптика"

Файлы этого ресурса:
Файл Описание Размер Формат  
2412-6179_2023_47_6_991-1001.pdf2.79 MBAdobe PDFПросмотреть/Открыть
Показать полное описание ресурса Просмотр статистики
Поделиться:



Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.