論文の概要: ST-DAI: Single-shot 2.5D Spatial Transcriptomics with Intra-Sample Domain Adaptive Imputation for Cost-efficient 3D Reconstruction

• arxiv url: http://arxiv.org/abs/2507.21516v1
• Date: Tue, 29 Jul 2025 05:46:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-30 17:08:55.752156
• Title: ST-DAI: Single-shot 2.5D Spatial Transcriptomics with Intra-Sample Domain Adaptive Imputation for Cost-efficient 3D Reconstruction
• Title（参考訳）: ST-DAI : コスト効率3次元再構成のためのサンプル内ドメイン適応インプットを用いた単発2.5次元空間転写学
• Authors: Jiahe Qian, Yaoyu Fang, Xinkun Wang, Lee A. Cooper, Bo Zhou,
• Abstract要約: コスト効率のよい2.5Dサンプリングスキームをサンプル内ドメイン適応型計算フレームワークと組み合わせた,3D transcriptomics用単ショットフレームワークST-DAIを紹介する。 まず、コスト効率2.5Dサンプリング段階において、1つの基準部(中央部)を完全にサンプリングし、他の部(隣接部)を疎サンプリングする。 第2に、このコスト効率のよい2.5D STスキームから完全な3D STを生成できる単発3D計算学習法を提案する。
• 参考スコア（独自算出の注目度）: 1.7603474309877931
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: For 3D spatial transcriptomics (ST), the high per-section acquisition cost of fully sampling every tissue section remains a significant challenge. Although recent approaches predict gene expression from histology images, these methods require large external datasets, which leads to high-cost and suffers from substantial domain discrepancies that lead to poor generalization on new samples. In this work, we introduce ST-DAI, a single-shot framework for 3D ST that couples a cost-efficient 2.5D sampling scheme with an intra-sample domain-adaptive imputation framework. First, in the cost-efficient 2.5D sampling stage, one reference section (central section) is fully sampled while other sections (adjacent sections) is sparsely sampled, thereby capturing volumetric context at significantly reduced experimental cost. Second, we propose a single-shot 3D imputation learning method that allows us to generate fully sampled 3D ST from this cost-efficient 2.5D ST scheme, using only sample-specific training. We observe position misalignment and domain discrepancy between sections. To address those issues, we adopt a pipeline that first aligns the central section to the adjacent section, thereafter generates dense pseudo-supervision on the central section, and then performs Fast Multi-Domain Refinement (FMDR), which adapts the network to the domain of the adjacent section while fine-tuning only a few parameters through the use of Parameter-Efficient Domain-Alignment Layers (PDLs). During this refinement, a Confidence Score Generator (CSG) reweights the pseudo-labels according to their estimated reliability, thereby directing imputation toward trustworthy regions. Our experimental results demonstrate that ST-DAI achieves gene expression prediction performance comparable to fully sampled approaches while substantially reducing the measurement burden.
• Abstract（参考訳）: 3次元空間転写学 (ST) では, 全組織領域を完全採取する高い取得コストが大きな課題である。 近年のアプローチでは、組織像から遺伝子発現を予測しているが、これらの手法には大きな外部データセットが必要である。 本稿では,ST-DAIについて述べる。ST-DAIは,コスト効率のよい2.5Dサンプリングスキームとサンプル内ドメイン適応型計算フレームワークを結合した3次元ST用単ショットフレームワークである。 まず、コスト効率2.5Dサンプリング段階において、1つの基準部(中央部)を完全にサンプリングし、他の部(隣接部)をスパースサンプリングし、ボリュームコンテキストを実験コストを大幅に低減する。 第2に,このコスト効率のよい2.5D STスキームから,単発3Dインパゲーション学習法を提案する。 位置ずれや領域差を観察する。 これらの問題に対処するため,我々は,まず中央部を隣接部と整列し,その後中央部に密集した擬似スーパービジョンを生成し,次に,パラメータ効率の良いドメインアライメント層(PDL)を用いて,少数のパラメータのみを微調整しながら,隣接部の領域にネットワークを適応させる高速マルチドメインリファインメント(FMDR)を実行するパイプラインを採用した。 この改良の間、信頼スコア発生器(CSG)は、その推定信頼性に応じて擬似ラベルを再重み付けし、信頼に値する領域に向けて計算を行う。 実験の結果,ST-DAIは全サンプル法に匹敵する遺伝子発現予測性能を達成し,測定負担を大幅に低減することがわかった。

関連論文リスト

• FastRef:Fast Prototype Refinement for Few-Shot Industrial Anomaly Detection [18.487111110151115]
  FS-IAD (Few-shot Industrial Anomaly Detection) は, 自動検査システムにおいて重要な課題である。 本稿では,FS-IADのための新規かつ効率的なプロトタイプ改良フレームワークであるFastRefを提案する。 PatchCore、FastRecon、WinCLIP、AnomalyDINOの3つの競合するプロトタイプベースのFS-IADメソッドとFastRefを統合する。
  論文  参考訳（メタデータ） (2025-06-26T15:46:28Z)
• SITCOM: Step-wise Triple-Consistent Diffusion Sampling for Inverse Problems [14.2814208019426]
  拡散モデル(英: Diffusion Model、DM)は、トレーニングセット上で学習した分布からサンプリングできる生成モデルのクラスである。 測定一貫性拡散軌道を達成するための3つの条件を述べる。 我々は,標準データ多様体測定一貫性と前方拡散一貫性を強制するだけでなく,提案したステップワイドおよびネットワーク正規化後方拡散一貫性を取り入れた新しい最適化に基づくサンプリング手法を提案する。
  論文  参考訳（メタデータ） (2024-10-06T13:39:36Z)
• Low Saturation Confidence Distribution-based Test-Time Adaptation for Cross-Domain Remote Sensing Image Classification [4.7514513970228425]
  Unsupervised Domain Adaptation (UDA)は、様々なリモートセンシング(RS)アプリケーション間の分散シフトに対処する強力な技術として登場した。 ほとんどのUDAアプローチでは、データプライバシや送信制限のため、ソースデータへのアクセスが必要になります。 低飽和度分布テスト時間適応(D-TTA)マーケティングは、クロスドメインRS画像分類のためのテスト時間適応を探求する最初の試みである。
  論文  参考訳（メタデータ） (2024-08-29T05:04:25Z)
• S^2Former-OR: Single-Stage Bi-Modal Transformer for Scene Graph Generation in OR [50.435592120607815]
  外科手術のシーングラフ生成(SGG)は、手術室(OR)におけるホモロジー認知知能の増強に不可欠である これまでの研究は主に多段階学習に依存しており、生成したセマンティックシーングラフはポーズ推定とオブジェクト検出を伴う中間プロセスに依存している。 本研究では,S2Former-OR(S2Former-OR)と呼ばれるORにおけるSGGのための新しいシングルステージバイモーダルトランスフォーマフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-02-22T11:40:49Z)
• Self-supervised Feature Adaptation for 3D Industrial Anomaly Detection [59.41026558455904]
  具体的には,大規模ビジュアルデータセット上で事前学習されたモデルを利用した初期のマルチモーダルアプローチについて検討する。 本研究では,アダプタを微調整し,異常検出に向けたタスク指向の表現を学習するためのLSFA法を提案する。
  論文  参考訳（メタデータ） (2024-01-06T07:30:41Z)
• Uncertainty-Aware Adaptation for Self-Supervised 3D Human Pose Estimation [70.32536356351706]
  本稿では、2つの出力ヘッドを2つの異なる構成にサブスクライブする共通のディープネットワークバックボーンを構成するMPP-Netを紹介する。 ポーズと関節のレベルで予測の不確実性を定量化するための適切な尺度を導出する。 本稿では,提案手法の総合評価を行い,ベンチマークデータセット上での最先端性能を示す。
  論文  参考訳（メタデータ） (2022-03-29T07:14:58Z)
• Using the Order of Tomographic Slices as a Prior for Neural Networks Pre-Training [1.1470070927586016]
  ボリュームの代わりにスライス上でSortingLossを事前学習する手法を提案する。 ボリュームではなくスライスで事前トレーニングを行うので、スライスのスパースセットでモデルを微調整することができる。 提案手法はSimCLRと同等に動作し、2倍高速に動作し、1.5倍少ないメモリを必要とすることを示す。
  論文  参考訳（メタデータ） (2022-03-17T14:58:15Z)
• Dispensed Transformer Network for Unsupervised Domain Adaptation [21.256375606219073]
  本稿では,新しい非教師付き領域適応 (UDA) 方式であるディスペンデントトランスフォーマーネットワーク (DTNet) について述べる。 提案するネットワークは,いくつかの最先端技術と比較して,最高の性能を実現している。
  論文  参考訳（メタデータ） (2021-10-28T08:27:44Z)
• SADet: Learning An Efficient and Accurate Pedestrian Detector [68.66857832440897]
  本稿では,一段検出器の検出パイプラインに対する一連の最適化手法を提案する。 効率的な歩行者検出のための単発アンカーベース検出器(SADet)を形成する。 構造的には単純だが、VGA解像度の画像に対して最先端の結果と20ドルFPSのリアルタイム速度を示す。
  論文  参考訳（メタデータ） (2020-07-26T12:32:38Z)
• 3DSSD: Point-based 3D Single Stage Object Detector [61.67928229961813]
  本稿では,3DSSDと命名された点ベース3次元単段物体検出器を提案し,精度と効率のバランスが良好であることを示す。 提案手法は,最先端のボクセルをベースとした一段法を大差で上回り,二段法に匹敵する性能を有する。
  論文  参考訳（メタデータ） (2020-02-24T12:01:58Z)

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。