論文の概要: Reconstruction of Three-dimensional Scroll Wave Chaos in Opaque and Transparent Excitable Media using Deep Neural Networks

• arxiv url: http://arxiv.org/abs/2209.06860v1
• Date: Fri, 9 Sep 2022 04:45:29 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-25 17:41:46.205934
• Title: Reconstruction of Three-dimensional Scroll Wave Chaos in Opaque and Transparent Excitable Media using Deep Neural Networks
• Title（参考訳）: 深部ニューラルネットワークを用いた透明透明・透明メディアにおける3次元スクロール波カオスの再構成
• Authors: Jan Lebert, Meenakshi Mittal, Jan Christoph
• Abstract要約: スクロール波カオスは、生命を脅かす心室細動を弱めると考えられている。 三次元電気スクロール波カオスの直接観察 深部ニューラルネットワークは、心室細動中の経膜的活動電位波パターンを可視化するために用いられる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Scroll wave chaos is thought to underlie life-threatening ventricular fibrillation. However, currently there is no direct way to measure action potential wave patterns transmurally throughout the thick ventricular heart muscle. Consequently, direct observation of three-dimensional electrical scroll wave chaos remains elusive. Here, we study whether it is possible to reconstruct simulated three-dimensional scroll wave chaos inside a bulk-shaped excitable medium from two-dimensional observations of the wave dynamics on the bulk's surface using deep learning. We trained encoding-decoding convolutional neural networks to predict three-dimensional scroll wave chaos inside opaque and transparent as well as isotropic and anisotropic excitable media from two-dimensional projections or observations of the wave dynamics on the surface. We tested whether observations from one or two opposing surfaces would be sufficient, whether incorporating measurements of the surface deformation improves the reconstruction, and tested the feasibility of predicting the bulk's thickness. We demonstrate that it is possible to fully reconstruct three-dimensional scroll wave chaos in transparent excitable media with anisotropy and to obtain partial reconstructions in opaque excitable media when analyzing two opposing layers of the bulk. We found that anisotropy provides crucial information for neural networks to decode depth, which facilitates the reconstructions. In the future, deep neural networks could be used to visualize transmural action potential wave patterns during ventricular fibrillation from epi- or endocardial recordings.
• Abstract（参考訳）: スクロール波カオスは、生命を脅かす心室細動を弱めると考えられている。 しかし、現在、心室の厚い心筋を透過する活動電位波パターンを直接測定する方法は存在しない。 したがって、3次元電気巻波カオスの直接観測はいまだに不可能である。 本稿では, 深層学習を用いたバルク表面波動の二次元観察から, バルク形状の励起媒質内の3次元スクロール波カオスを再現できるかどうかを考察する。 符号化・復号化畳み込みニューラルネットワークを用いて不透明で透明な3次元スクロール波のカオスを予測し、2次元投影や表面波動の観測から等方的および異方的励起性媒体を訓練した。 両面の対向面からの観測が十分であるかどうかを検証し, 表面変形の測定を組み込むことで再現性が向上し, バルクの厚さ予測の可能性を検討した。 本研究では,透明励起媒体における3次元スクロール波のカオスを異方性で完全に再構築し,バルクの2層を解析する際に不透明励起媒体で部分再構成を行うことを実証する。 異方性は、ニューラルネットワークが深度を復号化するための重要な情報であり、再構成を容易にする。 将来的には、深部ニューラルネットワークを用いて、心室細動中の心電図や心内膜記録から、経膜的活動電位波パターンを可視化することができる。

関連論文リスト

• Quantum Turbulence Across Dimensions: Crossover from two- to three-dimension [0.0]
  本研究では,量子乱流(QT)のポテンシャル場における動的遷移について検討する。 この遷移はケルビン波の励起と密接に関連している。 遷移領域では、崩壊速度と渦クラスター相関関数の連続的な変動を観測する。
  論文  参考訳（メタデータ） (2025-02-10T03:47:00Z)
• DoubleDiffusion: Combining Heat Diffusion with Denoising Diffusion for Generative Learning on 3D Meshes [67.39455433337316]
  DoubleDiffusionは3次元メッシュ表面の直接生成学習のために、放熱拡散と脱ノイズ拡散を組み合わせたフレームワークである。 本研究は, 3次元表面上での拡散に基づく生成モデルの新しい方向性に寄与し, 3次元アセット生成の分野への応用の可能性を示す。
  論文  参考訳（メタデータ） (2025-01-06T21:34:52Z)
• MedTet: An Online Motion Model for 4D Heart Reconstruction [59.74234226055964]
  本研究は, 術後の軽度データから3次元心臓運動を再構築するための新しいアプローチを提案する。 既存の方法では、フル3次元の体積像から3次元の臓器のジオメトリーを正確に再構築することができる。 このような部分的データから3次元運動を再構築するための汎用的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-12-03T17:18:33Z)
• Dreaming of Electrical Waves: Generative Modeling of Cardiac Excitation Waves using Diffusion Models [0.0]
  心臓の電気波は、心房細動や心室細動などの不整脈が持続する間、回転する渦巻波またはスクロール波を形成する。 我々は、非条件および条件付き生成タスクにおいて、そのような波動パターンを生成できるように、模擬波動パターンを用いた拡散モデルを訓練した。 拡散モデルはスパイラル波やスクロール波のダイナミクスを再現し、心臓組織の波動のデータ駆動モデリングに利用できるように学習することを発見した。
  論文  参考訳（メタデータ） (2023-12-22T17:06:08Z)
• Volumetric Cloud Field Reconstruction [12.888321789474013]
  雲や霧などの体積現象は、3次元再構成システムにとって重要な課題である。 本稿では,数個のステレオペアからボリュームを再構成する手法を提案する。 深層ステレオモデルと3次元畳み込みニューラルネットワーク(3D CNN)と対流モジュールを組み合わせた新しいディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-11-29T14:19:40Z)
• Neural Wavelet-domain Diffusion for 3D Shape Generation, Inversion, and Manipulation [54.09274684734721]
  本稿では,ウェーブレット領域における連続的な暗黙表現の直接生成モデルを用いて,3次元形状の生成,反転,操作を行う新しい手法を提案する。 具体的には、1対の粗い係数と細部係数の体積を持つコンパクトなウェーブレット表現を提案し、トランケートされた符号付き距離関数とマルチスケールの生体直交ウェーブレットを介して3次元形状を暗黙的に表現する。 エンコーダネットワークを共同でトレーニングすることで,形状を反転させる潜在空間を学習することができる。
  論文  参考訳（メタデータ） (2023-02-01T02:47:53Z)
• Neural Wavelet-domain Diffusion for 3D Shape Generation [52.038346313823524]
  本稿では,ウェーブレット領域における連続的暗黙表現の直接生成モデリングを可能にする3次元形状生成の新しい手法を提案する。 具体的には、1対の粗い係数と細部係数の体積を持つコンパクトなウェーブレット表現を提案し、トランケートされた符号付き距離関数とマルチスケールの生体直交ウェーブレットを介して3次元形状を暗黙的に表現する。
  論文  参考訳（メタデータ） (2022-09-19T02:51:48Z)
• 3D Reconstruction of Curvilinear Structures with Stereo Matching DeepConvolutional Neural Networks [52.710012864395246]
  本稿では,立体対における曲線構造の検出とマッチングのための完全自動パイプラインを提案する。 主に、TEM画像のステレオ対から転位を3次元再構成することに焦点を当てる。
  論文  参考訳（メタデータ） (2021-10-14T23:05:47Z)
• Deep Two-View Structure-from-Motion Revisited [83.93809929963969]
  2次元構造移動(SfM)は3次元再構成と視覚SLAMの基礎となる。 古典パイプラインの適切性を活用することで,深部2視点sfmの問題を再検討することを提案する。 本手法は,1)2つのフレーム間の密対応を予測する光フロー推定ネットワーク,2)2次元光フロー対応から相対カメラポーズを計算する正規化ポーズ推定モジュール,3)エピポーラ幾何を利用して探索空間を縮小し,密対応を洗練し,相対深度マップを推定するスケール不変深さ推定ネットワークからなる。
  論文  参考訳（メタデータ） (2021-04-01T15:31:20Z)

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。