Fugu-MT 論文翻訳(概要): Predicting Bone Degradation Using Vision Transformer and Synthetic Cellular Microstructures Dataset

論文の概要: Predicting Bone Degradation Using Vision Transformer and Synthetic Cellular Microstructures Dataset

arxiv url: http://arxiv.org/abs/2312.03133v1
Date: Tue, 5 Dec 2023 21:00:08 GMT
ステータス: 処理完了
システム内更新日: 2023-12-07 16:54:32.333317
Title: Predicting Bone Degradation Using Vision Transformer and Synthetic Cellular Microstructures Dataset
Title（参考訳）: 視覚トランスフォーマーと合成細胞微細構造データを用いた骨劣化予測
Authors: Mohammad Saber Hashemi, Azadeh Sheidaei
Abstract要約: 骨劣化を予測・可視化する頑健で高速な計算法が開発されている。我々のディープラーニング手法であるTransVNetは、異なる3Dボキセル化画像を取り込み、数ヶ月にわたってその進化を予測することができる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Bone degradation, especially for astronauts in microgravity conditions, is crucial for space exploration missions since the lower applied external forces accelerate the diminution in bone stiffness and strength substantially. Although existing computational models help us understand this phenomenon and possibly restrict its effect in the future, they are time-consuming to simulate the changes in the bones, not just the bone microstructures, of each individual in detail. In this study, a robust yet fast computational method to predict and visualize bone degradation has been developed. Our deep-learning method, TransVNet, can take in different 3D voxelized images and predict their evolution throughout months utilizing a hybrid 3D-CNN-VisionTransformer autoencoder architecture. Because of limited available experimental data and challenges of obtaining new samples, a digital twin dataset of diverse and initial bone-like microstructures was generated to train our TransVNet on the evolution of the 3D images through a previously developed degradation model for microgravity.
Abstract（参考訳）: 特に微小重力下での宇宙飛行士の骨の劣化は、低い適用外力によって骨の硬さと強度が大幅に減少するので、宇宙探査ミッションにとって重要である。既存の計算モデルは、この現象を理解し、将来その効果を制限するのに役立ちますが、個々の骨の微細構造だけでなく、骨の変化を詳細にシミュレートするのに時間がかかります。本研究では骨の劣化を予測・可視化するロバストで高速な計算手法を開発した。我々のディープラーニング手法であるTransVNetは,ハイブリッド3D-CNN-VisionTransformerオートエンコーダアーキテクチャを用いて,異なる3Dボクセル化画像を取り込み,数ヶ月にわたってその進化を予測する。新しいサンプルを得るための限られた実験データと課題のため、様々な初期骨のような微細構造のデジタルツインデータセットが生成され、これまで開発された微小重力の劣化モデルを用いて、トランスVNetの3D画像の進化を訓練した。

関連論文リスト

A Generative Machine Learning Model for Material Microstructure 3D Reconstruction and Performance Evaluation [4.169915659794567]
2次元から3次元への次元展開は、現在の技術的観点から非常に難しい逆問題と見なされている。 U-netのマルチスケール特性とGANの生成能力を統合する新しい生成モデルが提案されている。さらに、画像正規化損失とワッサーシュタイン距離損失を組み合わせることにより、モデルの精度をさらに向上する。
論文参考訳（メタデータ） (2024-02-24T13:42:34Z)
Leveraging Frequency Domain Learning in 3D Vessel Segmentation [50.54833091336862]
本研究では,Fourier領域学習を3次元階層分割モデルにおけるマルチスケール畳み込みカーネルの代用として活用する。管状血管分割作業において,新しいネットワークは顕著なサイス性能(ASACA500が84.37%,ImageCASが80.32%)を示した。
論文参考訳（メタデータ） (2024-01-11T19:07:58Z)
Scalable 3D Reconstruction From Single Particle X-Ray Diffraction Images Based on Online Machine Learning [34.12502156343611]
我々は,大規模なX線SPIデータセットから3次元マクロ分子の構造を推定するオンライン再構成フレームワークであるX-RAIを紹介する。我々は,X-RAIがシミュレーションおよび実験環境における小規模データセットの最先端性能を達成することを実証した。
論文参考訳（メタデータ） (2023-12-22T04:41:31Z)
TriHuman : A Real-time and Controllable Tri-plane Representation for Detailed Human Geometry and Appearance Synthesis [76.73338151115253]
TriHumanは、人間によって調整され、変形可能で、効率的な三面体表現である。我々は、未変形の三面体テクスチャ空間に、地球規模のサンプルを厳格にワープする。このような三面的特徴表現が骨格運動でどのように条件付けされ、動的外観や幾何学的変化を考慮に入れられるかを示す。
論文参考訳（メタデータ） (2023-12-08T16:40:38Z)
Unsupervised 3D Pose Estimation with Non-Rigid Structure-from-Motion Modeling [83.76377808476039]
本研究では,人間のポーズの変形をモデル化し,それに伴う拡散に基づく動きを事前に設計する手法を提案する。動作中の3次元人間の骨格を復元する作業は3次元基準骨格の推定に分割する。混合時空間NASfMformerを用いて、各フレームの3次元基準骨格と骨格変形を2次元観測シーケンスから同時に推定する。
論文参考訳（メタデータ） (2023-08-18T16:41:57Z)
Enhancing Neural Rendering Methods with Image Augmentations [59.00067936686825]
本研究では,3次元シーンの学習型ニューラルレンダリング法(NRM)における画像拡張の利用について検討した。トレーニング中に画像拡張を導入すると、幾何学的および測光的不整合などの課題が生じる。本実験は,NRMの学習において,光学的品質向上や表面再構成など,拡張を取り入れることの利点を実証するものである。
論文参考訳（メタデータ） (2023-06-15T07:18:27Z)
CryoFormer: Continuous Heterogeneous Cryo-EM Reconstruction using Transformer-based Neural Representations [49.49939711956354]
核電子顕微鏡(cryo-EM)は、タンパク質やその他の生体分子の3D構造を高分解能で再構築することを可能にする。 3次元構造の連続的な動きをノイズやランダムに配向した2次元Creo-EM画像から再構成することは依然として困難である。我々はCryoFormerを提案する。CryoFormerは連続したヘテロジニアスCryo-EM再構成のための新しいアプローチである。
論文参考訳（メタデータ） (2023-03-28T18:59:17Z)
Physical model simulator-trained neural network for computational 3D phase imaging of multiple-scattering samples [1.112751058850223]
サンプルコントラストを均質化する新しいモデルベースデータ正規化前処理法を開発した。上皮扁平上皮細胞およびCaenorhabditis elegans wormsの実験的測定におけるこのフレームワークの能力を示す。
論文参考訳（メタデータ） (2021-03-29T17:43:56Z)
Generative Modelling of 3D in-silico Spongiosa with Controllable Micro-Structural Parameters [1.0804061924593265]
本稿では, シリコン中の現実的な骨構造を生成するために, 生成的対向ネットワークの最近の進歩を適用することを提案する。最初のステップでは、ワッサーシュタインの目的と勾配のペナルティを用いて、累積生成モデルを漸進的に訓練した。骨粗しょう症治療後の骨構造をシミュレートし, 骨粗しょうの治療効果について検討した。
論文参考訳（メタデータ） (2020-09-23T18:11:47Z)
Real-time 3D Nanoscale Coherent Imaging via Physics-aware Deep Learning [0.7664249650622356]
深層畳み込みニューラルネットワークと微分プログラミングフレームワークである3D-CDI-NNを導入し,3次元構造とひずみを予測する。私たちのネットワークは、複数の面で「物理認識」するように設計されています。我々の統合機械学習および微分プログラミングソリューションは、他のアプリケーション領域における逆問題に広く適用できます。
論文参考訳（メタデータ） (2020-06-16T18:35:32Z)
Anatomy-aware 3D Human Pose Estimation with Bone-based Pose Decomposition [92.99291528676021]
3次元関節位置を直接回帰するのではなく,骨方向予測と骨長予測に分解する。私たちのモチベーションは、人間の骨格の骨の長さが時間とともに一定であることにあります。我々の完全なモデルは、Human3.6MとMPI-INF-3DHPデータセットにおいて、以前の最高の結果よりも優れています。
論文参考訳（メタデータ） (2020-02-24T15:49:37Z)

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。