移動直接線形変換を用いた可能な限りの画像ステッチ

As-Projective-As-Possible Image Stitching with Moving DLT
Julio Zaragoza, Tat-Jun Chin, Quoc-Huy Tran, Michael S. Brown, and David Suter
IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol.36, No.7, pp.1285-1298, 2014

市販の画像ステッチングツールの成功は,たびたび画像ステッチングが「解決された問題」であるという印象をもたらす.しかし現実には,入力写真がかなり限定的なイメージングの仮定に違反すると,多くのツールが納得できない結果をもたらすことがある.その仮定の主な2つは写真が回転だけで異なるビューに対応していること.または画像化されたシーンが実質的に平面であることである.そのような仮定では写真を整列させるための2次元投影変換またはホモグラフィの使用が推奨される.カジュアルなユーザの手にはそのような状態がしばしば違反され,結果的にアライメントずれや「ゴースト」が生じる.従って多くの既存の画像ステッチングツールは,ゴーストを削除するために後処理ルーチンに大きく依存する.本稿では,理想化された条件からの入力データの偏差に対応する射影ワープを微調整または微修正することができる移動直接線形変換(Moving Direct Linear Transformation:Moving DLT)と呼ばれる新しい推定手法を提案する.これは,遠近法による画像ステッチングの幾何学的リアリズムを損なうことなく,ゴーストを大幅に低減する,可能な限り投影可能な画像アラインメントを生成する.従って,我々の技術は潜在的に高負荷な後処理アルゴリズムへの依存を軽減する.さらに大規模なパノラマ作成で複数の画像を正確に整列させるために,バンドル調整を介して複数の射影可能なワープを同時に改善する方法についても説明する.

ワイヤレスカプセル内視鏡動画における出血フレームと領域検出

Bleeding Frame and Region Detection in the Wireless Capsule Endoscopy Video
Yixuan Yuan, Baopu Li, Max Q.-H. Meng
IEEE Journal of Biomedical and Health Informatics ( Volume: 20, Issue: 2, March 2016 )

“ワイヤレスカプセル内視鏡(WCE)は,患者の全ての消化器の非侵襲かつ無痛の直接視覚検査を可能にする.しかし,臨床医による大量の画像検討には長時間費やさなければならない.そこで医師の負担を軽減する為のコンピュータ自動支援システムが求められている.本論文では,色特徴量抽出手法を提案し,動画から出血フレームを判別する.加えてその画像から出血領域の特定を行う.我々の提案は二つのシステムに基づいて構成されている.まず,WCE画像の色情報を活用し,画像上でk-meansクラスタリングを用いてクラスタ重心を求め,色ヒストグラムを用いてWCE画像の特徴量を算出する.続いて,SVM(Support Vector Machine)とK近傍法を適用し,WCE動画のフレーム状態を評価する.総合的な実験結果としては,YCbCr色空間,クラスタ数80,およびSVMを用いることで最も優れた分類性能が得られることを実証した.達成された分類性能は,精度95.75¥%,AUCが0.9771に達し,提案手法が出血フレーム分類のための高い性能を誇ることを立証した.
続いて,出血領域を強調するための2段階特徴抽出手法を提案する.第一段階は,異なる複数のカラーチャンネルで作成され,第二段階でより視覚的なコントラストが得られる出血領域を強調する.適切な融合と閾値にしたがって領域を特定する.定量的および定性的結果は,本手法が出血領域を正常に判別可能であることを示す.”

ハイパーボリュームインジケータを計算するボックス分解アルゴリズム

A box decomposition algorithm to compute the hypervolume indicator
Lacour, Renaud and Klamroth, Kathrin and Fonseca, Carlos M
Computers & Operations Research, 79: 347-360, 2017

“私たちは,支配領域を一組の軸平行ハイパーレクタングルまたはボックスに分割することに基づいて,ハイパー ボリュームインジケータの計算に対する新しいアプローチを提案する.私たちは非増加アルゴリズムとインクリ2 メンタルアルゴリズムを提示し,点の挿入を可能にします.このアルゴリズムでは時間複雑度は O(n[ p ‐ 1 ]+1) とO(n[ p ]+1) であり,n は点の数であり,p は客観的空間の次元である.一方,このような方法の理論的な複雑さは, 最悪の場合,ハイパーボリューム計算の複雑さに対する最良の上限よりも大きい隔たりの複雑さによって制限され るが,実際に効率的であることが示される.特に,非インクリメンタルアルゴリズムは,現在最も効率的なアルゴ リズムと競合する.最後に,私たちは WFG アルゴリズムの最悪の場合の複雑さに対して p ≥ 4 における O(n[p−1])の上限と O(n[ p ] ∗ log n) の下限を強化することを証明する.”

個人特有の皮質ネットワークの空間トポグラフィによる人の認知、人格、および感情の推定

Spatial Topography of Individual-Specific Cortical Networks Predicts Human Cognition, Personality, and Emotion
Kong R, Li J, Orban C, Sabuncu MR, Liu H, Schaefer A, Sun N, Zuo XN,, Holmes AJ, Eickhoff SB, Yeo BTT Cereb Cortex. 2018 Jun 6.

Resting-stateのfMRIデータは,個々の脳ネットワークを表現する指標を提供する.主な問題は,個人固有のネットワークのトポグラフィ(すなわち,位置および空間的構造)が,行動に関連しているかどうかである.ここでは,個人固有の皮質上のネットワークを推定し,個人固有のネットワークトポグラフィが人間行動を予測できるかどうかを調べるためのマルチセッション階層ベイジアンモデル(MS-HBM)を提案する.MS-HBMの複数の層は,被験者内と被験者間とのネットワーク変動を明示帝に区別する,被験者内変動を無視する従来のネットワークマッピングは被験者間の差異について被験者内の変動が影響する可能性がある.他のアプローチと比較して,MS-HBMによる分割は,同じ被験者からの新たなrs-fMRIおよびtask-fMRIデータに対し,個人内でより一般化されたものであった.より具体的には,1回のrs-fMRIセッションから推定されるMS-HBMによる分割は,5セッションを用いた2つの最先端の方法によって推定される分割と同等の汎用性を示した.我々はまた,認知,人格,および感情を横断する行動表現のタイプが,個々の特異的なネットワークトポグラフィによって,適度な正確さで推定されうることを示した.これは,接続強度に基づいて行動表現のタイプをする以前の報告に匹敵する.MS-HBMによる推定される分割により生成されるネットワークトポグラフィは,ネットワークサイズよりも行動推定に有効であり,他の分割法で推定されたネットワークトポグラフィよりも効果的であった.したがって,接続強度と同様に個人固有のネットワークトポグラフィは,人間の行動推定の指標としても役立つ可能性がある.

安静時や課題時に発生する脳機能ネットワークにおいて集合的でないコミュニティ構造

Non-assortative community structure in resting and task-evoked functional brain networks
Richard F. Betzel, Maxwell A. Bertolero, and Danielle S. Bassett
bioRxiv, posted june 25, 2018

脳機能ネットワークは,要求された認知的なタスク中に再構成されたコミュニティ構造を示す.既存の研究では,単一クラスのコミュニティを強調しており,それは,集合的なもの,または内部的に密集したものや外部的にまばらなものである.脳機能において重要な機能的役割を果たす可能性のある他のクラスは,大部分が無視され,最悪の場合に誤解を招き,最良の場合でも貧弱な解釈につながる.ここでは,被験者が安静時,または要求の厳しいタスクを実行しながら,脳機能ネットワークのコミュニティ構造を研究するために,多様なクラスのコミュニティを検出することができる方法である重み付き確率的ブロックモデルを活用する.より高次な関連領域はコアと周辺を形成する集合的でない組織を示すが,安静時の脳は主に集合的であるという結果を発見した.驚くべきことに,この構造はタスク中に壊れ,コア,周辺,および集合的でないコミュニティに取って代わられる.コミュニティ構造から導き出された尺度を用いて,個人のタスク状態を平均以上の精度で分類することが可能であることを示す.最後に,集合的および集合的でないコミュニティの構成における個人間の相違が,スキャナ内の認知課題における被験者の成績と相関することを示す.これらの知見は,脳機能ネットワークのコミュニティ組織と認知との関係についての新しい視点を提供する.

NIRS を用いた運転中におけるドライバーの脳ネットワークのコネクティビティ解析

Effective Connectivity Analysis of the Brain Network in Drivers during Actual Driving Using Near-Infrared Spectroscopy
Zhian Liu, Ming Zhang, Gongcheng Xu, Congcong Huo, Qitao Tan, Zengyong Li and Quan Yuan
Frontiers in behavioral neuroscience, vol.11, pp.211-222, 2017 “車両の運転は,高度な脳機能を必要とする複雑な活動である.本研究では,安静時,単純運転時および車外活動時の脳ネットワークにおける前頭前皮質(PFC),運動関連領域(MA)および視覚関連領域(VA)間の有効接続性(EC)の変化を評価することを目的とした.12 人の若い右利きの成人男性が実際の運転実験に参加した.脳血流信号は,機能的近赤外分光法(fNIRS)装置を用いて連続的に記録した.異なる脳領域間の因果関係を調べることができるデータ駆動方法である条件付きGranger 因果(GC)分析を実施して,EC を評価した.結果は,認知作業負荷の増加に伴って脳血流変化レベルが増加することを示した.PFC,MA およびVA 間の接続強度は,安静状態から単純走行状態にかけて増加した.車追従作業中においては,接続強度は相対的に減少した.EC のPFCは因果関係のターゲットとして現れ,MA とVA は因果関係の発生源として現れた.しかし,MA は車追従のサブタスクで因果関係のターゲットに変わった.これらの知見は,大脳皮質の脳血流変化レベルが認知負荷の増加に伴って直線的に増加することを示している.脳ネットワークのEC は,認知的作業負荷によって強化することが可能であるが,サブタスクを用いた運転などの余分な認知負荷によっても弱めることができる.”

確固とした「コンテキスト・ドライバーアウェア」アクティブ車両安全システムのための情報融合

Information fusion for robust‘ context and driver aware ’active vehicle safety systems
Amardeep Sathyanarayana, Pinar Boyraz, John H L Hansen
Information Fusion, vol.12, pp. 293-303, 2011

“アクティブ・ビークル・セーフティ(AVS)システムは現在重要なものとして開発が行われているが,事故の数,怪我の重大度や死者は減少していない.実際に人的ミス,低性能,眠気および注意散漫は事故原因の大部分を占めている.アクティブ安全システムは道路状況とドライバの状態を把握していないため,これらのシステムではこういった数値を改善することはできない.そこで本研究では,確固とした人間中心のインテリジェントなアクティブセーフティシステムを実現するための第一歩として,「コンテクキト・ドライバーアウェア」(CDA)AVSシステム構造を提案する.このシステムは,ガウス混合モデル(GMM)/ユニバーサルバックグラウンドモデル(UBM)と尤度最大化学習スキーム(バイオメトリックドライバ同定,操作認識,および注意散漫検出)を採用した3 つのサブモジュールを開発,評価,および結合する.結果として得られる複合システムは,3 つの領域に寄与する.(1)強固な識別:堅牢な操作を必要とする運転者の車載状態を識別するための音声モダリティで話者認識システムが開発される.(2)融合のための利用可能な情報空間を狭める:運転者認識システムは,モデルの選択を
刈り取り,新規な伸延検出システムにおける探索スペースをさらに制限するために推定された運転者識別を使用する.(3)応答時間とパフォーマンス:システムは,事故防止/回避のために運転者の注意散漫な行動の予測を迅速に生成する. 統合されたシステムの全体的なシステム性能は,UTDrive Corpus で評価され,狭い時間窓で緊急の緊急事態のケースに対する提案されたシステムの適合性を確認する.”

昼間の単調な運転時における運転者の認知疲労と速度変動との関係

The Relationship Between Drivers’ Cognitive Fatigue and Speed Variability During Monotonous Daytime Driving
Jinfei Ma, Jiaqi Gu, Huibin Jia, Zhuye Yao and Ruosong Chang
Frontiers in psychology, Volume.9, p.459, 2018

認知負荷が不足すると,長時間運転した際の運転者の認知的疲労および警戒の減少につながる可能性がある.本研究では,単調な運転での運転疲労に対する速度変動の影響を調査した.21人の参加者が60分間のシミュレータによる運転課題を実施した.すべての被験者の認知疲労は,心理的および生理学的測定を用いて評価された.結果は全ての被験者間で,車速の変動性は運転タスク中の眠気および警戒の度合いと負の相関があることを示した.さらに,速度変動が大きいグループの運転者は,速度変動が小さいグループの運転者よりも眠気が少なく、疲労が少なく、警戒感が高いことが示された.また,これらのドライバーは3つの異なる周波数帯θ,αおよびβ波のパワースペクトルが小さいことが示された.したがって速度限界内での速度のより大きな変動性が,運転者の認知疲労を抑制することが示唆された.

うつ病患者における心身に対する瞑想効果の研究:fMRIを用いたresting-state研究

The effect of body–mind relaxation meditation induction on major depressive disorder :A resting-state fMRI study
Chen, Fangfang and Lv, Xueyu and Fang, Jiliang and Yu, Shan and Sui, Jing and Fan, Lingzhong and Li, Tao and Hong, Yang and Wang, XiaoLing and Wang, Weidong and others
Journal of affective disorders, vol.183, pp. 75–82, 2015

“背景:瞑想は,鬱病の治療のための重要な相補型治療的な道具として,次第に評価されてきた.本研究は,うつ病患者の脳活動に関して体-知性弛緩瞑想導入(BMRMI)の効果を調べて,この複雑な介入のために動きの可能性がある機序を調査するために,安静時中の機能的な磁気共鳴映像法(rs-fMRI)を使用した.

方法:21例の大うつ病性障害患者(MDD)と24の年齢と性がマッチした健常対照者(HCs)は,試験開始時に,そして,体-知性弛緩瞑想を誘導するように設計されたオーディオの選択を聞いた後にrs-fMRIスキャンを受けた. rs-fMRIデータは.全脳へのBOLD信号の低周波変動(ALFF)の振幅を得るためにMatlabツールボックスを用いて分析された.
混合性設計重複測定分散分析法(分散分析)は,どの脳領域がBMRMIに影響を受けたかについて調査するために,全脳で実行された.機能的な連結性分析は,BMRMIの後どんな非定型接続パターンでも同定するために用いられた.

結果:BMRMI経験の後,MDDとHCsは,両側前頭極(BA10)で,減少したALFF数値を示した.
その上,右の背面の内側前頭前皮質(dmPFC)から左の背面の外側前前頭皮質(dlPFC)と左側眼窩前頭皮質(OFC)への上昇した機能的な連結性は,BMRMIの後MDDだけで同定された.

限定:他のイベントの参加者への影響を除外する脳活動(DepressionのためのハミルトンRatingスケール)(HDRS)は,体-知性緩和誘導の後測定されなかった.

結論:我々の研究結果は,体-知性弛緩瞑想導入には前前頭皮質の活動を調整する可能性があって,このように、患者が複数の感情処理システムで脳活動を調整することができる再評価戦略を造るのを援助する可能性があるという仮説を支持する.”

マインドフルネスは身体から始まる:マインドフルネス瞑想における皮質アルファリズムの体性感覚注意とトッ プダウン調節

20180612_Mindfulness starts with the body somatosensory attention and top-down modulation of cortical alpha rhythms in mindfulness meditation
Kerr, Catherine E and Sacchet, Matthew D and Lazar, SaraWand Moore, Christopher I and Jones, Stephanie
Frontiers in human neuroscience, vol.7, pp. 1-15, 2013

マインドフルネス訓練の一般的なセットを使用して行う,マインドフルネスに基づくストレス軽減(MBSR)およびマインドフルネスに基づく認知療法(MBCT)は,慢性疼痛における苦痛を軽減し,うつ病の再発の危険性を減少させることが示されている.これらの標準化されたマインドフルネス(ST-Mindfulness)訓練は,主に呼吸および身体の感覚に従うことを必要とする.ここでは,一次感覚新皮質への入力をフィルタリングする際に重要な役割を果たす7-14 Hzのアルファリズムの注意変調を最適化し,さらに脳内の感覚情報の流れを整理するためのトレーニングの一形態としてST-Mindfulnessの身体的注意の新しい観点を提供する.この枠組みを支持するため,ST-Mindfulnessが一次体性感覚皮質(SI)におけるアルファの注意調節を増強したという以前の知見を説明する.枠組みにより,私たちはいくつかの予測をすることができる.慢性疼痛では,SIのST-Mindfulness “de-biases”アルファにおける身体的注意を予測し,痛みを重視した注意力を解放する.うつ病の再発では,内的に集中した認知プロセス(作業記憶を含む)が感覚入力のアルファフィルタリングに依存しているため,ST-Mindfulnessの身体的注意は内的に集中した反芻と競合することが予測される.本発明者らの計算モデルは,S-MindfulnessがSI視床皮質入力のタイミングおよび有効性における正確な変化を容易にすることによって,アルファのトップダウン変調を高めることを予測する.私たちはそのフレームワークが仏教の教えとどのように調和しているかを考察することによって,マインドフルネスは「身体のマインドフルネス」から始まると考え結論づける.神経生理学にこの理論を翻訳し,私たちはその身体的注意,マインドフルネスでゲインコントロールを強化するSIにおけるトップダウンアルファリズムの変調は,実践者をより感知しやすくなり,心がその身体的注意からさまようとき,実践者を調整すると仮定した.この身体的マインドワンダリングの強化された規制は,認知調節とメタ認知の強化につながるマインドフルネストレーニングの重要な初期段階であるかもしれない.