Компьютерная оптика
RUS  ENG    ЖУРНАЛЫ   ПЕРСОНАЛИИ   ОРГАНИЗАЦИИ   КОНФЕРЕНЦИИ   СЕМИНАРЫ   ВИДЕОТЕКА   ПАКЕТ AMSBIB  
Общая информация
Последний выпуск
Архив
Правила для авторов

Поиск публикаций
Поиск ссылок

RSS
Последний выпуск
Текущие выпуски
Архивные выпуски
Что такое RSS


Компьютерная оптика:
Год:
Том:
Выпуск:
Страница:
Найти




Персональный вход:
Логин:
Пароль:
Запомнить пароль
Войти
Забыли пароль?
Регистрация

Компьютерная оптика, 2023, том 47, выпуск 6, страницы 991–1001
DOI: https://doi.org/10.18287/2412-6179-CO-1337 (Mi co1203) 		 
Эта публикация цитируется в 6 научных статьях (всего в 6 статьях)

ОБРАБОТКА ИЗОБРАЖЕНИЙ, РАСПОЗНАВАНИЕ ОБРАЗОВ

Нейросетевая технология обнаружения ступенчатых аномалий в параметрах движения головы для функциональной МРТ с адаптацией на основе метаобучения

Н. С. Давыдовab, В. В. Евдокимоваab, П. Г. Серафимовичab, В. И. Проценкоab, А. Г. Храмовab, А. В. Никоноровab

a Институт систем обработки изображений РАН - филиал ФНИЦ "Кристаллография и фотоника" РАН, Самара, Россия, г. Самара
b Самарский национальный исследовательский университет имени академика С. П. Королева
PDF полного текста (2786 kB) Список цитирования (6)
DOI: https://doi.org/10.18287/2412-6179-CO-1337
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.
Ключевые слова: рекуррентные нейронные сети, обнаружение аномалий, анализ сигналов, функциональная магнитно-резонансная томография, метаобучение
Финансовая поддержка Номер гранта
Российский научный фонд 22-19-00364
Теоретические результаты и метод одношагового метаобучения выполнены при поддержке гранта РНФ № 22-19-00364.
Поступила в редакцию: 11.05.2023
Принята в печать: 19.09.2023
Тип публикации: Статья
Образец цитирования: Н. С. Давыдов, В. В. Евдокимова, П. Г. Серафимович, В. И. Проценко, А. Г. Храмов, А. В. Никоноров, “Нейросетевая технология обнаружения ступенчатых аномалий в параметрах движения головы для функциональной МРТ с адаптацией на основе метаобучения”, Компьютерная оптика, 47:6 (2023), 991–1001
Цитирование в формате AMSBIB
\RBibitem{DavEvdSer23}
\by Н.~С.~Давыдов, В.~В.~Евдокимова, П.~Г.~Серафимович, В.~И.~Проценко, А.~Г.~Храмов, А.~В.~Никоноров
\paper Нейросетевая технология обнаружения ступенчатых аномалий в параметрах движения головы для функциональной МРТ с адаптацией на основе метаобучения
\jour Компьютерная оптика
\yr 2023
\vol 47
\issue 6
\pages 991--1001
\mathnet{http://mi.mathnet.ru/co1203}
\crossref{https://doi.org/10.18287/2412-6179-CO-1337}
Образцы ссылок на эту страницу:
  • https://www.mathnet.ru/rus/co1203
  • https://www.mathnet.ru/rus/co/v47/i6/p991
    • Эта публикация цитируется в следующих 6 статьяx:
    Citing articles in Google Scholar: Russian citations, English citations
    Related articles in Google Scholar: Russian articles, English articles
    		Компьютерная оптика
     
      Обратная связь:
    		  Пользовательское соглашение  Регистрация посетителей портала  Логотипы © Математический институт им. В. А. Стеклова РАН, 2025