論文の概要: A Graph Theoretic Exploration of Coronary Vascular Trees
- arxiv url: http://arxiv.org/abs/2207.14624v1
- Date: Fri, 29 Jul 2022 11:50:35 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-01 13:19:41.024206
- Title: A Graph Theoretic Exploration of Coronary Vascular Trees
- Title(参考訳): 冠状血管樹のグラフ理論による探索
- Authors: Jay Aodh Mackenzie
- Abstract要約: 我々は大点雲から冠状血管ネットワークを生成するアルゴリズムを開発した。
これらのアルゴリズムはポイントクラウドをソートし、情報損失のないネットワーク構造を単純化し、与えられた生理学的に意味のあるパラメータに基づいてサブグラフを生成する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The aim of this study was to automate the generation of small coronary
vascular networks from large point clouds that represent the coronary arterial
network. Smaller networks that can be generated in a predictable manner can be
used to assess the impact of network morphometry on, for example, blood flow in
hemodynamic simulations. We develop a set of algorithms for generating coronary
vascular networks from large point clouds. These algorithms sort the point
cloud, simplify its network structure without information loss, and produce
subgraphs based on given, physiologically meaningful parameters. The data were
originally collected from optical fluorescence cryomicrotome images and
processed before their use here.
- Abstract(参考訳): 本研究の目的は,冠状動脈網を表わす大点雲から小さな冠状血管網を自動生成することであった。
予測可能な方法で生成可能なより小さなネットワークは、例えば血行動態シミュレーションにおける血流に対するネットワーク形態計測の影響を評価するのに使うことができる。
我々は,大点雲から冠状血管ネットワークを生成するアルゴリズムを開発した。
これらのアルゴリズムはポイントクラウドをソートし、情報損失のないネットワーク構造を単純化し、与えられた生理学的に意味のあるパラメータに基づいてサブグラフを生成する。
データはもともと光学蛍光クリオマイクロトーム画像から収集され、ここで使用される前に処理された。
関連論文リスト
- GNN-LoFI: a Novel Graph Neural Network through Localized Feature-based
Histogram Intersection [51.608147732998994]
グラフニューラルネットワークは、グラフベースの機械学習の選択フレームワークになりつつある。
本稿では,古典的メッセージパッシングに代えて,ノード特徴の局所分布を解析するグラフニューラルネットワークアーキテクチャを提案する。
論文 参考訳(メタデータ) (2024-01-17T13:04:23Z) - SPNet: A novel deep neural network for retinal vessel segmentation based
on shared decoder and pyramid-like loss [13.021014899410684]
畳み込みニューラルネットワークは 血管構造を抽出する 重要な能力を示した
本稿では,共有デコーダとピラミッド様損失に基づく網膜血管セグメンテーションのための新しいディープニューラルネットワークを提案する。
論文 参考訳(メタデータ) (2022-02-19T03:44:34Z) - Data-driven emergence of convolutional structure in neural networks [83.4920717252233]
識別タスクを解くニューラルネットワークが、入力から直接畳み込み構造を学習できることを示す。
データモデルを慎重に設計することにより、このパターンの出現は、入力の非ガウス的、高次局所構造によって引き起こされることを示す。
論文 参考訳(メタデータ) (2022-02-01T17:11:13Z) - Sharp-GAN: Sharpness Loss Regularized GAN for Histopathology Image
Synthesis [65.47507533905188]
コンディショナル・ジェネレーショナル・ジェネレーティブ・逆境ネットワークは、合成病理像を生成するために応用されている。
そこで我々は,現実的な病理像を合成するために,シャープネスロス正則化生成対向ネットワークを提案する。
論文 参考訳(メタデータ) (2021-10-27T18:54:25Z) - Cells are Actors: Social Network Analysis with Classical ML for SOTA
Histology Image Classification [1.4806818833792859]
本稿では,組織マイクロ環境の複雑な構造を記述するために,統計ネットワーク解析手法を提案する。
ネットワーク内の細胞間の相互作用のみを解析することにより、CRAグレーディングのための高度に識別可能な統計的特徴を抽出できることが示される。
我々は,広帯域CRCヒストロジー画像データセット上にセルネットワークを作成し,提案手法を実験し,三クラスCRAグレーディングの予測のための最先端性能を報告した。
論文 参考訳(メタデータ) (2021-06-29T12:22:10Z) - Anomaly Detection on Attributed Networks via Contrastive Self-Supervised
Learning [50.24174211654775]
本論文では,アトリビュートネットワーク上の異常検出のためのコントラスト型自己監視学習フレームワークを提案する。
このフレームワークは、新しいタイプのコントラストインスタンスペアをサンプリングすることで、ネットワークデータからのローカル情報を完全に活用します。
高次元特性と局所構造から情報埋め込みを学習するグラフニューラルネットワークに基づくコントラスト学習モデルを提案する。
論文 参考訳(メタデータ) (2021-02-27T03:17:20Z) - TempNodeEmb:Temporal Node Embedding considering temporal edge influence
matrix [0.8941624592392746]
時間的ネットワークにおけるノード間の将来のリンクを予測することは、時間的ネットワークの進化の重要な側面を明らかにする。
いくつかのアプローチは、時間ネットワークの単純化された表現を、高次元で一般にスパース行列で考える。
本稿では, 単純な3層グラフニューラルネットワークを各ステップで考慮し, ネットワークの進化特性を利用した新しいノード埋め込み手法を提案する。
論文 参考訳(メタデータ) (2020-08-16T15:39:07Z) - Towards Deeper Graph Neural Networks [63.46470695525957]
グラフ畳み込みは近傍の集約を行い、最も重要なグラフ操作の1つである。
いくつかの最近の研究で、この性能劣化は過度に滑らかな問題に起因している。
本研究では,大きな受容領域からの情報を適応的に組み込むディープ適応グラフニューラルネットワーク(DAGNN)を提案する。
論文 参考訳(メタデータ) (2020-07-18T01:11:14Z) - RicciNets: Curvature-guided Pruning of High-performance Neural Networks
Using Ricci Flow [0.0]
計算グラフをニューラルネットワークにマッピングする前に、Ricci曲率の定義を用いて、重要度の低いエッジを除去する。
1パスあたりの浮動小数点演算数(FLOP)が約35%削減されるが、性能は低下しない。
論文 参考訳(メタデータ) (2020-07-08T15:56:02Z) - Compressive sensing with un-trained neural networks: Gradient descent
finds the smoothest approximation [60.80172153614544]
訓練されていない畳み込みニューラルネットワークは、画像の回復と復元に非常に成功したツールとして登場した。
トレーニングされていない畳み込みニューラルネットワークは、ほぼ最小限のランダムな測定値から、十分に構造化された信号や画像を概ね再構成可能であることを示す。
論文 参考訳(メタデータ) (2020-05-07T15:57:25Z) - Neural Network Tomography [4.407668482702675]
ネットワークトモグラフィーはネットワーク監視の領域における古典的な研究課題である。
NeuTomographyは、未測定のパフォーマンス指標を予測するために、ディープニューラルネットワークとデータ拡張を利用する。
NeuTomographyは、元のネットワークトポロジを再構築するために使用できる。
論文 参考訳(メタデータ) (2020-01-09T12:19:26Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。