Fugu-MT 論文翻訳(概要): Path planning of magnetic microswimmers in high-fidelity simulations of capillaries with deep reinforcement learning

論文の概要: Path planning of magnetic microswimmers in high-fidelity simulations of capillaries with deep reinforcement learning

arxiv url: http://arxiv.org/abs/2404.02171v1
Date: Fri, 29 Mar 2024 17:01:09 GMT
ステータス: 処理完了
システム内更新日: 2024-04-04 21:38:27.835021
Title: Path planning of magnetic microswimmers in high-fidelity simulations of capillaries with deep reinforcement learning
Title（参考訳）: 深部強化学習によるキャピラリーの高忠実度シミュレーションにおける磁気マイクロスウィマーの経路計画
Authors: Lucas Amoudruz, Sergey Litvinov, Petros Koumoutsakos,
Abstract要約: ヒト網膜に存在する複雑な毛細血管網で進化する人工細菌鞭毛(ABF)のシミュレーションを行った。 ABFは、予め縮小順序モデルに基づいて訓練された強化学習剤により、所定の目標に頑健に誘導される。
参考スコア（独自算出の注目度）: 1.3225694028747141
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Biomedical applications such as targeted drug delivery, microsurgery or sensing rely on reaching precise areas within the body in a minimally invasive way. Artificial bacterial flagella (ABFs) have emerged as potential tools for this task by navigating through the circulatory system. While the control and swimming characteristics of ABFs is understood in simple scenarios, their behavior within the bloodstream remains unclear. We conduct simulations of ABFs evolving in the complex capillary networks found in the human retina. The ABF is robustly guided to a prescribed target by a reinforcement learning agent previously trained on a reduced order model.
Abstract（参考訳）: 標的とする薬物の送達、マイクロサージェリー、感覚といった医学的応用は、最小限の侵襲的な方法で体内の正確な領域に到達することに依存している。人工細菌鞭毛(ABF)は、循環系をナビゲートすることで、このタスクの潜在的なツールとして登場した。 ABFsの制御と水泳特性は単純なシナリオで理解されているが、血流中での挙動はいまだに不明である。ヒト網膜に存在する複雑な毛細血管網で進化するABFのシミュレーションを行う。 ABFは、予め縮小順序モデルに基づいて訓練された強化学習剤により、所定の目標に頑健に誘導される。

関連論文リスト

Convolutional Deep Operator Networks for Learning Nonlinear Focused Ultrasound Wave Propagation in Heterogeneous Spinal Cord Anatomy [0.0]
集束超音波治療は、脊髄損傷の最適な標的治療のための有望なツールである。現在のアプローチでは、制御波動伝播方程式の解法をコンピュータシミュレーションに頼っている。患者脊髄のFUS圧力場を高速に予測するための畳み込み深部演算ネットワーク(DeepONet)を提案する。
論文参考訳（メタデータ） (2024-12-20T18:03:38Z)
Vascular Segmentation of Functional Ultrasound Images using Deep Learning [0.0]
機能的超音波(fUS)画像のための,最初のディープラーニングベースセグメンテーションツールを紹介する。競合セグメンテーション性能を90%の精度で達成し、71%の堅牢性と0.59のIUをfUSスタックから100フレームの時間フレームで実現した。この研究は、ローカライゼーション顕微鏡に代わる非侵襲的で費用効果の高い代替手段を提供し、fUSデータの解釈を強化し、血管機能の理解を改善している。
論文参考訳（メタデータ） (2024-10-28T09:00:28Z)
KLDD: Kalman Filter based Linear Deformable Diffusion Model in Retinal Image Segmentation [51.03868117057726]
本稿では,網膜血管分割のためのKLDDモデルを提案する。我々のモデルは、変形可能な畳み込みの柔軟な受容場を利用して、分割を反復的に洗練する拡散過程を用いる。実験は網膜基底画像データセット(DRIVE,CHASE_DB1)とOCTA-500データセットの3mm,6mmで評価された。
論文参考訳（メタデータ） (2024-09-19T14:21:38Z)
Reconstructing Blood Flow in Data-Poor Regimes: A Vasculature Network Kernel for Gaussian Process Regression [2.9998889086656586]
非ユークリッド空間である血管ネットワーク内のカーネルを再構築する新しい手法を提案する。提案したカーネルは、時間的および血管間相関を符号化し、直接測定を欠いた血管における血流の再構築を可能にする。本研究は, 単純Y字型分岐術, 腹部大動脈, ウィリス円の3症例において, モデルの性能を実証するものである。
論文参考訳（メタデータ） (2024-03-14T15:41:15Z)
Evolutionary algorithms as an alternative to backpropagation for supervised training of Biophysical Neural Networks and Neural ODEs [12.357635939839696]
本稿では,生物物理学に基づくニューラルネットワークの学習における「段階的推定」進化アルゴリズムの利用について検討する。 EAにはいくつかのアドバンテージがあり、直接BPよりも望ましいことが分かりました。以上の結果から,生体物理学ニューロンはBP法の限界をテストする上で有用なベンチマークを提供する可能性が示唆された。
論文参考訳（メタデータ） (2023-11-17T20:59:57Z)
Collaborative Robotic Biopsy with Trajectory Guidance and Needle Tip Force Feedback [49.32653090178743]
本報告では, トラジェクトリーガイダンスと審美フィードバックを組み合わせて, 針の配置を補助するロボットバイオプシーシステムについて述べる。リアルタイムデータ処理のための光コヒーレンストモグラフィーと機械学習に基づいて針先端の力を検出する針の設計。膵臓のin situ生検を行ない,より小さい,より深いターゲット構造を正確にサンプリングできることを実証した。
論文参考訳（メタデータ） (2023-06-12T14:07:53Z)
fMRI from EEG is only Deep Learning away: the use of interpretable DL to unravel EEG-fMRI relationships [68.8204255655161]
多チャンネル脳波データからいくつかの皮質下領域の活性を回復するための解釈可能な領域基底解を提案する。我々は,皮質下核の血行動態信号の頭皮脳波予測の空間的・時間的パターンを復元する。
論文参考訳（メタデータ） (2022-10-23T15:11:37Z)
Fuzzy Attention Neural Network to Tackle Discontinuity in Airway Segmentation [67.19443246236048]
気道セグメンテーションは肺疾患の検査、診断、予後に重要である。いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
論文参考訳（メタデータ） (2022-09-05T16:38:13Z)
Modeling and hexahedral meshing of cerebral arterial networks from centerlines [0.0]
中心線に基づく表現は、小さな血管を持つ大きな血管ネットワークをモデル化するために広く用いられている。中心線からCFDに適した構造を持つヘキサヘドラルメッシュを自動生成する手法を提案する。我々は60の脳血管ネットワークのデータセットを網羅し,本手法の有効性を実証した。
論文参考訳（メタデータ） (2022-01-20T16:30:17Z)
Towards an Automatic Analysis of CHO-K1 Suspension Growth in Microfluidic Single-cell Cultivation [63.94623495501023]
我々は、人間の力で抽象化されたニューラルネットワークをデータレベルで注入できる新しい機械学習アーキテクチャを提案する。具体的には、自然データと合成データに基づいて生成モデルを同時に訓練し、細胞数などの対象変数を確実に推定できる共有表現を学習する。
論文参考訳（メタデータ） (2020-10-20T08:36:51Z)
Microvascular Dynamics from 4D Microscopy Using Temporal Segmentation [81.30750944868142]
経時的に脳血流量の変化を追跡でき, ピアル表面に向かって伝播する自発性動脈拡張を同定できる。この新たなイメージング機能は、機能的磁気共鳴イメージング(fMRI)を基盤とした血行動態応答関数を特徴付けるための有望なステップである。
論文参考訳（メタデータ） (2020-01-14T22:55:03Z)

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。