Fugu-MT 論文翻訳(概要): A Topological Data Analysis Framework for Quantifying Necrosis in Glioblastomas

論文の概要: A Topological Data Analysis Framework for Quantifying Necrosis in Glioblastomas

arxiv url: http://arxiv.org/abs/2503.17331v1
Date: Fri, 21 Mar 2025 17:32:01 GMT
ステータス: 翻訳完了
システム内更新日: 2025-03-24 14:55:36.148452
Title: A Topological Data Analysis Framework for Quantifying Necrosis in Glioblastomas
Title（参考訳）: グリオ芽腫における壊死の定量化のためのトポロジカルデータ解析フレームワーク
Authors: Francisco Tellez, Enrique Torres-Giese,
Abstract要約: 我々は、"interior function"と呼ばれる形状記述子を導入する。この概念を用いて, コングロメレーションなどの腫瘍における壊死の幾何学的特徴を定量化する新しい指標である, サブコンプレックスラクナリティを定義する。 Glioblastomas (GB) のMRI研究におけるこの枠組みの応用について述べる。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: In this paper, we introduce a shape descriptor that we call "interior function". This is a Topological Data Analysis (TDA) based descriptor that refines previous descriptors for image analysis. Using this concept, we define subcomplex lacunarity, a new index that quantifies geometric characteristics of necrosis in tumors such as conglomeration. Building on this framework, we propose a set of indices to analyze necrotic morphology and construct a diagram that captures the distinct structural and geometric properties of necrotic regions in tumors. We present an application of this framework in the study of MRIs of Glioblastomas (GB). Using cluster analysis, we identify four distinct subtypes of Glioblastomas that reflect geometric properties of necrotic regions.
Abstract（参考訳）: 本稿では,「内部関数」と呼ばれる形状記述子を提案する。これは、画像解析のために以前の記述子を洗練させるTDAベースの記述子である。この概念を用いて, コングロメレーションなどの腫瘍における壊死の幾何学的特徴を定量化する新しい指標である, サブコンプレックスラクナリティを定義する。本枠組みに基づいて,腫瘍の壊死領域の構造的および幾何学的特性を識別する図を作成するための指標のセットを提案する。本稿では,Glioblastomas (GB) のMRI研究におけるこの枠組みの応用について述べる。クラスター分析により, 壊死領域の幾何学的特性を反映する4種類のGlioblastomaを同定した。

関連論文リスト

Pitfalls of topology-aware image segmentation [81.19923502845441]
我々は、不適切な接続選択、見過ごされたトポロジカルアーティファクト、評価指標の不適切な使用を含むモデル評価における致命的な落とし穴を同定する。本稿では,トポロジを意識した医用画像分割手法の公正かつ堅牢な評価基準を確立するための,行動可能なレコメンデーションセットを提案する。
論文参考訳（メタデータ） (2024-12-19T08:11:42Z)
Geometric Generative Models based on Morphological Equivariant PDEs and GANs [3.6498648388765513]
群畳み込みニューラルネットワーク(G-CNN)のための等変偏微分方程式(PDE)に基づく幾何学的生成モデルを提案する。提案手法は, PDE-G-CNNにおける形態的同変畳み込みを用いて, GM-GAN (Geological morphological GAN) を求める。予備的な結果は、GM-GANモデルが古典的GANより優れていることを示している。
論文参考訳（メタデータ） (2024-03-22T01:02:09Z)
Unleashing the Infinity Power of Geometry: A Novel Geometry-Aware Transformer (GOAT) for Whole Slide Histopathology Image Analysis [0.27309692684728615]
病理組織学的解析は癌の診断と予後に極めて重要である。近年の手法はスライド画像全体の幾何学的表現を適切に活用していない。我々は、新しい弱い教師付きフレームワーク、Geometry-Aware Transformer (GOAT)を提案する。
論文参考訳（メタデータ） (2024-02-08T03:06:38Z)
Information-Theoretic Thresholds for Planted Dense Cycles [52.076657911275525]
本研究では,社会科学や生物科学においてユビキタスな小世界ネットワークのランダムグラフモデルについて検討する。植え込み高密度サイクルの検出と回復の両面において、情報理論の閾値を$n$, $tau$、エッジワイド信号対雑音比$lambda$で特徴づける。
論文参考訳（メタデータ） (2024-02-01T03:39:01Z)
A Hitchhiker's Guide to Geometric GNNs for 3D Atomic Systems [87.30652640973317]
原子系の計算モデリングの最近の進歩は、これらを3次元ユークリッド空間のノードとして埋め込まれた原子を含む幾何学的グラフとして表現している。 Geometric Graph Neural Networksは、タンパク質構造予測から分子シミュレーション、物質生成まで、幅広い応用を駆動する機械学習アーキテクチャとして好まれている。本稿では,3次元原子システムのための幾何学的GNNの分野について,包括的で自己完結した概要を述べる。
論文参考訳（メタデータ） (2023-12-12T18:44:19Z)
Differential geometry with extreme eigenvalues in the positive semidefinite cone [1.9116784879310025]
本稿では,超一般化固有値の効率に基づくSPD値データの解析と処理のためのスケーラブルな幾何学的枠組みを提案する。我々は、この幾何学に基づいて、SPD行列の新たな反復平均を定義し、与えられた有限個の点の集合に対するその存在と特異性を証明する。
論文参考訳（メタデータ） (2023-04-14T18:37:49Z)
Structure Embedded Nucleus Classification for Histopathology Images [51.02953253067348]
ほとんどのニューラルネットワークに基づく手法は、局所的な畳み込みの受容領域に影響を受けている。本稿では,核輪郭を順にサンプリングした点列に変換する新しい多角構造特徴学習機構を提案する。次に、核をノードとするグラフ構造に組織像を変換し、その表現に核の空間分布を埋め込むグラフニューラルネットワークを構築する。
論文参考訳（メタデータ） (2023-02-22T14:52:06Z)
Multiscale Analysis for Improving Texture Classification [62.226224120400026]
本稿では,テクスチャの異なる空間周波数帯域を別々に扱うために,ガウス・ラプラシアピラミッドを用いる。バイオインスパイアされたテクスチャ記述子,情報理論測度,灰色レベルの共起行列特徴,ハリリック統計特徴から抽出した特徴を特徴ベクトルに集約した。
論文参考訳（メタデータ） (2022-04-21T01:32:22Z)
A singular Riemannian geometry approach to Deep Neural Networks I. Theoretical foundations [77.86290991564829]
ディープニューラルネットワークは、音声認識、機械翻訳、画像解析など、いくつかの科学領域で複雑な問題を解決するために広く使われている。我々は、リーマン計量を備えた列の最後の多様体で、多様体間の写像の特定の列を研究する。このようなシーケンスのマップの理論的性質について検討し、最終的に実践的な関心を持つニューラルネットワークの実装間のマップのケースに焦点を当てる。
論文参考訳（メタデータ） (2021-12-17T11:43:30Z)
Discovering Clinically Meaningful Shape Features for the Analysis of Tumor Pathology Images [2.864559331994679]
腫瘍組織スライドのデジタル画像化は、がん診断の日常的な臨床方法になりつつある。近年のディープラーニング手法の進歩により,病理画像中の腫瘍領域を大規模に検出し,特徴付けることが可能になった。
論文参考訳（メタデータ） (2020-12-09T05:56:41Z)
DLBCL-Morph: Morphological features computed using deep learning for an annotated digital DLBCL image set [3.5947673199446935]
Diffuse Large B-Cell Lymphoma (DLBCL) が最も一般的な非ホジキンリンパ腫である。予後と相関する形態学的特徴は一貫して示されていない。 DLBCL209例の病理組織学的検討を行い,臨床および細胞遺伝学的検討を行った。
論文参考訳（メタデータ） (2020-09-17T07:43:42Z)

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。