Modeling the Neonatal Brain Development Using Implicit Neural Representations

要約

人間の脳は妊娠後期に急速に発達します。
この研究では、この年齢層の新生児の脳の発達をモデル化します。
基礎として、開発中のヒューマン コネクトーム プロジェクト (dHCP) からの早産児および正期産新生児の MR 画像を使用します。
我々は、さまざまな時点の 2D および 3D 画像を予測するためのニューラル ネットワーク、特に暗黙的ニューラル表現 (INR) を提案します。
被験者固有の発達プロセスをモデル化するには、INR の潜在空間における被験者のアイデンティティから年齢を解きほぐす必要があります。
我々は、このもつれの解消を可能にする、Subject Specific Latent Vectors (SSL) と Stochastic Global Latent Augmentation (SGLA) という 2 つの方法を提案します。
結果の分析を実行し、提案したモデルをベースラインとして経年条件付きノイズ除去拡散モデルと比較します。
また、私たちの方法がメモリ効率の高い方法で適用できることも示します。これは 3D データにとって特に重要です。

要約(オリジナル)

The human brain undergoes rapid development during the third trimester of pregnancy. In this work, we model the neonatal development of the infant brain in this age range. As a basis, we use MR images of preterm- and term-birth neonates from the developing human connectome project (dHCP). We propose a neural network, specifically an implicit neural representation (INR), to predict 2D- and 3D images of varying time points. In order to model a subject-specific development process, it is necessary to disentangle the age from the subjects’ identity in the latent space of the INR. We propose two methods, Subject Specific Latent Vectors (SSL) and Stochastic Global Latent Augmentation (SGLA), enabling this disentanglement. We perform an analysis of the results and compare our proposed model to an age-conditioned denoising diffusion model as a baseline. We also show that our method can be applied in a memory-efficient way, which is especially important for 3D data.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google