論文の概要: Semantically Consistent Discrete Diffusion for 3D Biological Graph Modeling

• arxiv url: http://arxiv.org/abs/2507.04856v1
• Date: Mon, 07 Jul 2025 10:29:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-08 15:46:35.37896
• Title: Semantically Consistent Discrete Diffusion for 3D Biological Graph Modeling
• Title（参考訳）: 3次元生体グラフモデリングのための意味的に連続した離散拡散
• Authors: Chinmay Prabhakar, Suprosanna Shit, Tamaz Amiranashvili, Hongwei Bran Li, Bjoern Menze,
• Abstract要約: 本稿では,構造的および意味的妥当性の条件に固執する3次元生物学的グラフ生成法を提案する。 提案手法は,Willisと肺気道の人間円の2つの実世界のデータセットにおいて,優れた性能を示す。
• 参考スコア（独自算出の注目度）: 2.737421165924947
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: 3D spatial graphs play a crucial role in biological and clinical research by modeling anatomical networks such as blood vessels,neurons, and airways. However, generating 3D biological graphs while maintaining anatomical validity remains challenging, a key limitation of existing diffusion-based methods. In this work, we propose a novel 3D biological graph generation method that adheres to structural and semantic plausibility conditions. We achieve this by using a novel projection operator during sampling that stochastically fixes inconsistencies. Further, we adopt a superior edge-deletion-based noising procedure suitable for sparse biological graphs. Our method demonstrates superior performance on two real-world datasets, human circle of Willis and lung airways, compared to previous approaches. Importantly, we demonstrate that the generated samples significantly enhance downstream graph labeling performance. Furthermore, we show that our generative model is a reasonable out-of-the-box link predictior.
• Abstract（参考訳）: 3次元空間グラフは、血管、ニューロン、気道などの解剖学的ネットワークをモデル化することによって、生物学的および臨床的研究において重要な役割を果たす。 しかし、解剖学的妥当性を維持しながら3次元生物学的グラフを生成することは、既存の拡散法の重要な限界である。 本研究では,構造的および意味的妥当性の条件に固執する3次元生物学的グラフ生成法を提案する。 我々は,不整合を統計的に修正するサンプリングにおいて,新しいプロジェクション演算子を用いてこれを実現する。 さらに, 粗い生物学的グラフに適した優れたエッジ削除に基づくノイズ発生手法を採用する。 提案手法は,Willisの人体と肺気道の2つの実世界のデータセットに対して,従来の手法と比較して優れた性能を示す。 重要なことは、生成されたサンプルがダウンストリームグラフラベリング性能を大幅に向上することである。 さらに,我々の生成モデルは合理的なアウト・オブ・ザ・ボックスリンク予測器であることを示す。

関連論文リスト

• Interpretable Retinal Disease Prediction Using Biology-Informed Heterogeneous Graph Representations [40.8160960729546]
  解釈可能性は、医療診断のための機械学習モデルの信頼性を高めるために不可欠である。 本研究では,確立した機械学習モデルの性能を超える手法を提案する。
  論文  参考訳（メタデータ） (2025-02-23T19:27:47Z)
• 3D Vessel Graph Generation Using Denoising Diffusion [4.100929120985704]
  血管ネットワークは3Dグラフとして表現され、疾患のバイオマーカーの予測、血流のシミュレート、合成画像生成の助けとなる。 船体木の生成を目的とした従来手法は, 主に自己回帰型であり, キャピラリーなどの周期を持つ船体グラフには適用できなかった。 本稿では,3次元血管グラフ生成におけるテキストデノナイズ拡散モデルの最初の応用について紹介する。
  論文  参考訳（メタデータ） (2024-07-08T11:39:21Z)
• Advancing Graph Generation through Beta Diffusion [49.49740940068255]
  Graph Beta Diffusion (GBD)は、グラフデータの多様な性質を扱うために特別に設計された生成モデルである。 本稿では, 臨界グラフトポロジを安定化させることにより, 生成グラフの現実性を高める変調手法を提案する。
  論文  参考訳（メタデータ） (2024-06-13T17:42:57Z)
• Tertiary Lymphoid Structures Generation through Graph-based Diffusion [54.37503714313661]
  本研究では,最先端のグラフベース拡散モデルを用いて生物学的に意味のある細胞グラフを生成する。 本研究では, グラフ拡散モデルを用いて, 3次リンパ構造(TLS)の分布を正確に学習できることを示す。
  論文  参考訳（メタデータ） (2023-10-10T14:37:17Z)
• Graph Generation with Diffusion Mixture [57.78958552860948]
  グラフの生成は、非ユークリッド構造の複雑な性質を理解する必要がある実世界のタスクにとって大きな課題である。 本稿では,拡散過程の最終グラフ構造を明示的に学習することにより,グラフのトポロジーをモデル化する生成フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-02-07T17:07:46Z)
• Learned Vertex Descent: A New Direction for 3D Human Model Fitting [64.04726230507258]
  画像やスキャンに適合する3次元人体モデルのための新しい最適化手法を提案する。 われわれのアプローチは、非常に異なる体型を持つ服を着た人々の基盤となる身体を捉えることができ、最先端技術と比べて大きな改善を達成できる。 LVDはまた、人間と手の3次元モデル適合にも適用でき、よりシンプルで高速な方法でSOTAに大きな改善が示される。
  論文  参考訳（メタデータ） (2022-05-12T17:55:51Z)
• Anatomical Landmarks Localization for 3D Foot Point Clouds [3.1918817988202606]
  本稿では3次元解剖学的ランドマーク予測のための変形法を提案する。 臨床医によって注釈付けされた解剖学的ランドマークを持つソースモデルを使用し、ターゲットモデルにマッチするように、このモデルを厳格に変形させる。 データセット上で実験を行い,本手法のロバスト性を実証した。
  論文  参考訳（メタデータ） (2021-10-03T06:24:40Z)
• Structured Landmark Detection via Topology-Adapting Deep Graph Learning [75.20602712947016]
  解剖学的顔と医学的ランドマーク検出のための新しいトポロジ適応深層グラフ学習手法を提案する。 提案手法は局所像特徴と大域形状特徴の両方を利用するグラフ信号を構成する。 3つの公開顔画像データセット(WFLW、300W、COFW-68)と3つの現実世界のX線医学データセット(ケパロメトリ、ハンド、ペルビス)で実験を行った。
  論文  参考訳（メタデータ） (2020-04-17T11:55:03Z)

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。

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。