A Compact Implicit Neural Representation for Efficient Storage of Massive 4D Functional Magnetic Resonance Imaging

要約

機能的磁気共鳴画像法 (fMRI) データは、広く使用されている種類の 4 次元生体医学データであり、効果的な圧縮が必要です。
ただし、fMRI 圧縮は、その複雑な時間ダイナミクス、低い信号対雑音比、および根底にある複雑な冗長性により、独特の課題を引き起こします。
この論文では、Implicit Neural Representation (INR) に基づく fMRI データに特化した新しい圧縮パラダイムを報告します。
提案されたアプローチは、(i) 領域内ダイナミクスの空間相関モデリングの実行、(ii) 再利用可能なニューロン活性化パターンの分解、(iii) 適切な初期化と
領域間の類似性を説明するための非線形融合。
このスキームは fMRI データの独自の特徴を適切に組み込んでおり、公開されているデータセットでの実験結果は、従来の画質評価指標と fMRI の下流タスクの両方において最先端のアルゴリズムを上回る提案手法の有効性を示しています。
この論文の取り組みにより、低帯域幅かつ高忠実度で大量の fMRI データを共有する道が開かれます。

要約(オリジナル)

Functional Magnetic Resonance Imaging (fMRI) data is a widely used kind of four-dimensional biomedical data, which requires effective compression. However, fMRI compressing poses unique challenges due to its intricate temporal dynamics, low signal-to-noise ratio, and complicated underlying redundancies. This paper reports a novel compression paradigm specifically tailored for fMRI data based on Implicit Neural Representation (INR). The proposed approach focuses on removing the various redundancies among the time series by employing several methods, including (i) conducting spatial correlation modeling for intra-region dynamics, (ii) decomposing reusable neuronal activation patterns, and (iii) using proper initialization together with nonlinear fusion to describe the inter-region similarity. This scheme appropriately incorporates the unique features of fMRI data, and experimental results on publicly available datasets demonstrate the effectiveness of the proposed method, surpassing state-of-the-art algorithms in both conventional image quality evaluation metrics and fMRI downstream tasks. This work in this paper paves the way for sharing massive fMRI data at low bandwidth and high fidelity.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google