ترجمه فارسی مقاله مدل سازی رشد مغز نوزاد با استفاده از بازنمایی های عصبی ضمنی

چکیده

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.

چکیده به فارسی (ترجمه ماشینی)

مغز انسان در سه ماهه سوم بارداری تحت رشد سریع قرار می گیرد.در این کار ، ما از رشد نوزادی مغز نوزاد در این محدوده سنی مدل می کنیم.به عنوان یک پایه ، ما از تصاویر MR از نوزادان زودرس و تولد از پروژه در حال توسعه Connectome Human (DHCP) استفاده می کنیم.ما یک شبکه عصبی ، به طور خاص یک بازنمایی عصبی ضمنی (INR) را پیشنهاد می کنیم تا تصاویر 2D و سه بعدی از نقاط زمانی مختلف را پیش بینی کنیم.به منظور الگوبرداری از یک فرآیند توسعه خاص موضوع ، لازم است سن را از هویت افراد در فضای نهفته INR جدا کنیم.ما دو روش را پیشنهاد می کنیم ، بردارهای نهفته خاص (SSL) و تقویت نهان جهانی تصادفی (SGLA) ، این امکان را فراهم می کند.ما تجزیه و تحلیل نتایج را انجام می دهیم و مدل پیشنهادی ما را با یک مدل انتشار Denoising با شرایط سنی به عنوان یک پایه مقایسه می کنیم.ما همچنین نشان می دهیم که روش ما می تواند به روشی کارآمد حافظه اعمال شود ، که به ویژه برای داده های سه بعدی بسیار مهم است.