通过风格迁移消除fMRI结果中的分析变异性
图像与视频处理
2025-01-20 v3 人工智能
计算机视觉与模式识别
机器学习
摘要
我们提出了一种新方法，以提高神经影像结果的可重复性，通过转换不同功能性MRI管道之间的统计图。我们假设用于计算fMRI统计图的管道可被视为风格组件，并提出使用不同的生成模型，其中包括生成对抗网络(GAN)和扩散模型(DM)来转换不同管道之间的统计图。我们探索了多种GAN框架的性能，并设计了一种新的DM框架用于无监督多域风格迁移。我们约束了使用区分不同管道统计图的辅助分类器的潜在空间来生成3D fMRI统计图，并扩展了DM中用于提高过渡性能的传统抽样技术。我们的实验表明，我们提出的方法是成功的：管道确实可以作为风格组件提供数据增强的重要来源，用于未来的医学研究。
引用
@article{arxiv.2404.03703,
title = {Mitigating analytical variability in fMRI results with style transfer},
author = {Elodie Germani and Camille Maumet and Elisa Fromont},
journal= {arXiv preprint arXiv:2404.03703},
year = {2025}
}