論文の概要: Tera-MIND: Tera-scale mouse brain simulation via spatial mRNA-guided diffusion

• arxiv url: http://arxiv.org/abs/2503.01220v2
• Date: Tue, 04 Mar 2025 06:50:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-05 19:24:13.835716
• Title: Tera-MIND: Tera-scale mouse brain simulation via spatial mRNA-guided diffusion
• Title（参考訳）: Tera-MIND : 空間mRNA誘導拡散によるテラスケールマウス脳シミュレーション
• Authors: Jiqing Wu, Ingrid Berg, Yawei Li, Ender Konukoglu, Viktor H. Koelzer,
• Abstract要約: Tera-MINDは、バイオメディカル研究のために、臓器全体の効率的で生産的なシミュレーションへの有望な道を示す。 テラボキセルスケールで細胞形態を網羅した仮想マウス脳を生成する。
• 参考スコア（独自算出の注目度）: 19.374110401717733
• License:
• Abstract: Holistic 3D modeling of molecularly defined brain structures is crucial for understanding complex brain functions. Emerging tissue profiling technologies enable the construction of a comprehensive atlas of the mammalian brain with sub-cellular resolution and spatially resolved gene expression data. However, such tera-scale volumetric datasets present significant computational challenges in understanding complex brain functions within their native 3D spatial context. Here, we propose the novel generative approach $\textbf{Tera-MIND}$, which can simulate $\textbf{Tera}$-scale $\textbf{M}$ouse bra$\textbf{IN}$s in 3D using a patch-based and boundary-aware $\textbf{D}$iffusion model. Taking spatial transcriptomic data as the conditional input, we generate virtual mouse brains with comprehensive cellular morphological detail at teravoxel scale. Through the lens of 3D $gene$-$gene$ self-attention, we identify spatial molecular interactions for key transcriptomic pathways in the murine brain, exemplified by glutamatergic and dopaminergic neuronal systems. Importantly, these $in$-$silico$ biological findings are consistent and reproducible across three tera-scale virtual mouse brains. Therefore, Tera-MIND showcases a promising path toward efficient and generative simulations of whole organ systems for biomedical research. Project website: https://musikisomorphie.github.io/Tera-MIND.html
• Abstract（参考訳）: 分子的に定義された脳構造の立体モデリングは、複雑な脳機能を理解するのに不可欠である。 新興組織プロファイリング技術は、細胞内分解能と空間的に解決された遺伝子発現データを持つ哺乳類の脳の包括的アトラスの構築を可能にする。 しかし、そのようなテラスケールの容積データセットは、それらの3次元空間コンテキスト内の複雑な脳機能を理解する上で、重要な計算上の課題を提示する。 ここでは、パッチベースでバウンダリを意識した $\textbf{D}$iffusion モデルを用いて、3D で $\textbf{Tera}$-scale $\textbf{M}$ouse bra$\textbf{IN}$s をシミュレートできる新しい生成アプローチ $\textbf{Tera-MIND}$を提案する。 空間転写データを条件入力として、テラボキセルスケールで包括的細胞形態を網羅した仮想マウス脳を生成する。 3D $gene$-$gene$ self-attention のレンズを用いて,グルタミン酸作動性神経系およびドーパミン作動性神経系を模擬したマウス脳における重要な転写経路の空間分子相互作用を同定した。 重要なことに、この$in$-silico$の生物学的発見は、3つのテラスケールの仮想マウスの脳で一貫性があり再現可能である。 そこでTera-MINDは, 生物医学研究のための臓器全体の効率的かつ生産的なシミュレーションに向けて, 有望な道のりを示した。 プロジェクトウェブサイト: https://musikisomorphie.github.io/Tera-MIND.html

関連論文リスト

• NeuroFly: A framework for whole-brain single neuron reconstruction [17.93211301158225]
  本稿では,大規模な単一ニューロン再構築のための検証フレームワークであるNeuroFlyを紹介する。 NeuroFlyはプロセスを、セグメンテーション、接続、証明の3つのステージに分割する。 私たちの目標は、ニューロン再構築の課題に取り組むために、研究者間のコラボレーションを促進することです。
  論文  参考訳（メタデータ） (2024-11-07T13:56:13Z)
• BrainSegFounder: Towards 3D Foundation Models for Neuroimage Segmentation [6.5388528484686885]
  本研究は,医療基盤モデルの創出に向けた新しいアプローチを紹介する。 本稿では,視覚変換器を用いた2段階事前学習手法を提案する。 BrainFounderは、これまでの勝利ソリューションの成果を上回る、大幅なパフォーマンス向上を実演している。
  論文  参考訳（メタデータ） (2024-06-14T19:49:45Z)
• Brain3D: Generating 3D Objects from fMRI [76.41771117405973]
  被験者のfMRIデータを入力として利用する新しい3Dオブジェクト表現学習手法であるBrain3Dを設計する。 我々は,人間の視覚系の各領域の異なる機能的特徴を,我々のモデルが捉えていることを示す。 予備評価は、Brain3Dがシミュレーションシナリオで障害した脳領域を正常に識別できることを示唆している。
  論文  参考訳（メタデータ） (2024-05-24T06:06:11Z)
• Learning Multimodal Volumetric Features for Large-Scale Neuron Tracing [72.45257414889478]
  オーバーセグメントニューロン間の接続を予測し,人間の作業量を削減することを目的としている。 最初はFlyTracingという名前のデータセットを構築しました。 本稿では,高密度なボリュームEM画像の埋め込みを生成するための,新しい接続性を考慮したコントラスト学習手法を提案する。
  論文  参考訳（メタデータ） (2024-01-05T19:45:12Z)
• NeuralClothSim: Neural Deformation Fields Meet the Thin Shell Theory [70.10550467873499]
  薄型シェルを用いた新しい擬似布シミュレータであるNeuralClothSimを提案する。 メモリ効率の高い解法はニューラル変形場と呼ばれる新しい連続座標に基づく表面表現を演算する。
  論文  参考訳（メタデータ） (2023-08-24T17:59:54Z)
• Connectional-Style-Guided Contextual Representation Learning for Brain Disease Diagnosis [12.172262618438173]
  本研究では,脳の固有パターンを捉えるために,接続型文脈表現学習モデル(CS-CRL)を提案する。 CS-CRLは6つのデータセットと3つの疾患にまたがる複数の脳疾患診断タスクにおいて優れた精度を達成する。
  論文  参考訳（メタデータ） (2023-06-08T15:39:27Z)
• Patched Diffusion Models for Unsupervised Anomaly Detection in Brain MRI [55.78588835407174]
  本稿では,正常脳解剖のパッチベース推定法として拡散モデルの生成タスクを再構築する手法を提案する。 腫瘍と多発性硬化症について検討し,既存のベースラインと比較して25.1%の改善がみられた。
  論文  参考訳（メタデータ） (2023-03-07T09:40:22Z)
• BrainFormer: A Hybrid CNN-Transformer Model for Brain fMRI Data Classification [31.83866719445596]
  BrainFormerは、単一のfMRIボリュームを持つ脳疾患分類のための一般的なハイブリッドトランスフォーマーアーキテクチャである。 BrainFormerは、各voxel内のローカルキューを3D畳み込みでモデル化することによって構築される。 我々は、ABIDE、ADNI、MPILMBB、ADHD-200、ECHOを含む5つの独立して取得したデータセット上でBrainFormerを評価する。
  論文  参考訳（メタデータ） (2022-08-05T07:54:10Z)
• Overcoming the Domain Gap in Neural Action Representations [60.47807856873544]
  3Dポーズデータは、手動で介入することなく、マルチビュービデオシーケンスから確実に抽出できる。 本稿では,ニューラルアクション表現の符号化を,ニューラルアクションと行動拡張のセットと共に導くために使用することを提案する。 ドメインギャップを減らすために、トレーニングの間、同様の行動をしているように見える動物間で神経と行動のデータを取り替える。
  論文  参考訳（メタデータ） (2021-12-02T12:45:46Z)
• Mapping and Validating a Point Neuron Model on Intel's Neuromorphic Hardware Loihi [77.34726150561087]
  インテルの第5世代ニューロモルフィックチップ「Loihi」の可能性について検討する。 Loihiは、脳内のニューロンをエミュレートするスパイキングニューラルネットワーク(SNN)という新しいアイデアに基づいている。 Loihiは従来のシミュレーションを非常に効率的に再現し、ネットワークが大きくなるにつれて、時間とエネルギーの両方のパフォーマンスにおいて顕著にスケールする。
  論文  参考訳（メタデータ） (2021-09-22T16:52:51Z)

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。