論文の概要: Trend Filtered Mixture of Experts for Automated Gating of High-Frequency Flow Cytometry Data

• arxiv url: http://arxiv.org/abs/2504.12287v1
• Date: Wed, 16 Apr 2025 17:51:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-17 14:38:56.355629
• Title: Trend Filtered Mixture of Experts for Automated Gating of High-Frequency Flow Cytometry Data
• Title（参考訳）: 高周波フローサイトメトリーデータの自動ゲーティング用エキスパートのトレンドフィルタ混合
• Authors: Sangwon Hyun, Tim Coleman, Francois Ribalet, Jacob Bien,
• Abstract要約: 海洋微生物は、海洋生態系と地球環境の両方にとって重要である。 何十年も蓄積されたデータにもかかわらず、重要な微生物集団を特定することは重要な分析上の課題である。 本稿では, ゲーティング関数と専門家の両方がトレンドフィルタリングによって与えられる新しい混合専門家モデルを提案する。
• 参考スコア（独自算出の注目度）: 3.541118865937421
• License:
• Abstract: Ocean microbes are critical to both ocean ecosystems and the global climate. Flow cytometry, which measures cell optical properties in fluid samples, is routinely used in oceanographic research. Despite decades of accumulated data, identifying key microbial populations (a process known as ``gating'') remains a significant analytical challenge. To address this, we focus on gating multidimensional, high-frequency flow cytometry data collected {\it continuously} on board oceanographic research vessels, capturing time- and space-wise variations in the dynamic ocean. Our paper proposes a novel mixture-of-experts model in which both the gating function and the experts are given by trend filtering. The model leverages two key assumptions: (1) Each snapshot of flow cytometry data is a mixture of multivariate Gaussians and (2) the parameters of these Gaussians vary smoothly over time. Our method uses regularization and a constraint to ensure smoothness and that cluster means match biologically distinct microbe types. We demonstrate, using flow cytometry data from the North Pacific Ocean, that our proposed model accurately matches human-annotated gating and corrects significant errors.
• Abstract（参考訳）: 海洋微生物は、海洋生態系と地球環境の両方にとって重要である。 流体試料中の細胞光学特性を測定するフローサイトメトリーは海洋学研究で日常的に用いられている。 何十年にもわたって蓄積されたデータにもかかわらず、主要な微生物集団('gating'として知られるプロセス)を特定することは重要な分析上の課題である。 そこで我々は, 海洋調査船上で収集した多次元, 高周波フローサイトメトリーデータを連続的に収集し, 動的海洋における時間的・空間的変動を捉えることに焦点をあてた。 本稿では, ゲーティング関数と専門家の両方がトレンドフィルタリングによって与えられる新しい混合専門家モデルを提案する。 1)フローサイトメトリーデータのそれぞれのスナップショットは多変量ガウスの混合であり、(2)これらのガウスのパラメータは時間とともに滑らかに変化する。 本手法では,スムーズ性を確保するために正規化と制約を用いており,そのクラスター手段は生物学的に異なる微生物の種類と一致している。 我々は, 北太平洋のフローサイトメトリーデータを用いて, 提案モデルが人間に注釈付けされたゲーティングと正確に一致し, 重大な誤りを訂正できることを実証した。

関連論文リスト

• Analyzing Spatio-Temporal Dynamics of Dissolved Oxygen for the River Thames using Superstatistical Methods and Machine Learning [0.0]
  テムズ川における溶存酸素量の予測には,数値計算法と機械学習を用いる。 長期的な予測では、Informerモデルは一貫して優れたパフォーマンスを提供する。
  論文  参考訳（メタデータ） (2025-01-10T16:54:52Z)
• Meta Flow Matching: Integrating Vector Fields on the Wasserstein Manifold [83.18058549195855]
  自然科学における複数の過程は、確率密度のワッサーシュタイン多様体上のベクトル場として表さなければならない。 特に、疾患の発生とその治療反応が患者固有の細胞の微小環境に依存するパーソナライズド医療において重要である。 本稿では,初期個体群上の流れモデルを改善することで,ワッサーシュタイン多様体上のこれらのベクトル場と一体化するためのメタフローマッチング(MFM)を提案する。
  論文  参考訳（メタデータ） (2024-08-26T20:05:31Z)
• OXYGENERATOR: Reconstructing Global Ocean Deoxygenation Over a Century with Deep Learning [50.365198230613956]
  既存の専門家が支配する数値シミュレーションは、地球温暖化や人的活動によって引き起こされる動的変動に追いつかなかった。 1920年から2023年までの世界の海洋脱酸素モデルを再構築するために,最初の深層学習モデルであるOxyGeneratorを提案する。
  論文  参考訳（メタデータ） (2024-05-12T09:32:40Z)
• Seeing Unseen: Discover Novel Biomedical Concepts via Geometry-Constrained Probabilistic Modeling [53.7117640028211]
  同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。 構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。 スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
  論文  参考訳（メタデータ） (2024-03-02T00:56:05Z)
• Machine Learning for Flow Cytometry Data Analysis [0.0]
  フローサイトメーターは、同時に数万の細胞を迅速に分析し、同時に単一の細胞から複数のパラメータを測定できる。 何百万もの細胞から収集された多次元データの中で、興味深い細胞集団を手動で識別できる必要がある。 3つの代表的な自動クラスタリングアルゴリズムが選択され、完全にかつ部分的に自動ゲーティングによって適用され、比較され、評価される。
  論文  参考訳（メタデータ） (2023-03-16T00:43:46Z)
• Multi-Target Tobit Models for Completing Water Quality Data [0.0]
  トビットモデルは、検閲されたデータを解析するためのよく知られた線形回帰モデルである。 本研究では、複数の検閲された変数を同時に扱うために、Emphmulti-target Tobit modelと呼ばれる古典的Tobitモデルの新たな拡張を考案した。 複数の実世界の水質データセットを用いて行われた実験は、複数の列を同時に推定することで、個別に推定するよりも大きな優位性が得られるという証拠となった。
  論文  参考訳（メタデータ） (2023-02-21T13:06:19Z)
• Vision meets algae: A novel way for microalgae recognization and health monitor [6.731844884087066]
  このデータセットは、異なる状態の藻属と同じ属の異なる状態の画像を含む。 このデータセット上で、TOOD、YOLOv5、YOLOv8およびRCNNアルゴリズムの変種をトレーニング、検証、テストしました。 その結果,1段階と2段階の物体検出モデルの両方で平均精度が向上した。
  論文  参考訳（メタデータ） (2022-11-14T17:11:15Z)
• Tracking perovskite crystallization via deep learning-based feature detection on 2D X-ray scattering data [137.47124933818066]
  本稿では,より高速なR-CNN深層学習アーキテクチャに基づくX線回折画像の自動解析パイプラインを提案する。 有機-無機ペロブスカイト構造の結晶化をリアルタイムに追跡し, 2つの応用で検証した。
  論文  参考訳（メタデータ） (2022-02-22T15:39:00Z)
• Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
  実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。 特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。 本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
  論文  参考訳（メタデータ） (2021-02-12T12:23:13Z)
• 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)
• Modeling Cell Populations Measured By Flow Cytometry With Covariates Using Sparse Mixture of Regressions [2.5463557459240955]
  海は植物プランクトンと呼ばれる微細藻で満たされており、陸地にあるすべての植物と同じ量の光合成を担っている。 我々の温暖化に対する反応を予測する能力は、植物プランクトン個体群の動態が環境条件の変化にどのように影響するかを理解することに依存している。 現在、海洋学者は移動船上でリアルタイムにフローデータを収集することができ、数千kmにわたって植物プランクトンの分布を詳細に把握することができる。
  論文  参考訳（メタデータ） (2020-08-25T20:03:24Z)

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。