論文の概要: SSBD Ontology: A Two-Tier Approach for Interoperable Bioimaging Metadata
- arxiv url: http://arxiv.org/abs/2508.02084v1
- Date: Mon, 04 Aug 2025 05:51:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-05 18:25:22.192726
- Title: SSBD Ontology: A Two-Tier Approach for Interoperable Bioimaging Metadata
- Title（参考訳）: SSBDオントロジー:相互運用可能なバイオイメージングメタデータのための2層アプローチ
- Authors: Yuki Yamagata, Koji Kyoda, Hiroya Itoga, Emi Fujisawa, Shuichi Onami,
- Abstract要約: バイオイメージング技術により、多次元データの大規模取得が可能になったが、効果的なメタデータ管理と相互運用性は依然として大きな課題である。
本稿では,2層アーキテクチャを採用したバイオダイナミクスデータベースのシステム科学のための新しいフレームワークを提案する。
私たちのアプローチは、Finderable、Accessible、Interoperable、Reusableのデータエコシステムを確立するのに役立ちます。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Advanced bioimaging technologies have enabled the large-scale acquisition of multidimensional data, yet effective metadata management and interoperability remain significant challenges. To address these issues, we propose a new ontology-driven framework for the Systems Science of Biological Dynamics Database (SSBD) that adopts a two-tier architecture. The core layer provides a class-centric structure referencing existing biomedical ontologies, supporting both SSBD:repository -- which focuses on rapid dataset publication with minimal metadata -- and SSBD:database, which is enhanced with biological and imaging-related annotations. Meanwhile, the instance layer represents actual imaging dataset information as Resource Description Framework individuals that are explicitly linked to the core classes. This layered approach aligns flexible instance data with robust ontological classes, enabling seamless integration and advanced semantic queries. By coupling flexibility with rigor, the SSBD Ontology promotes interoperability, data reuse, and the discovery of novel biological mechanisms. Moreover, our solution aligns with the Recommended Metadata for Biological Images guidelines and fosters compatibility. Ultimately, our approach contributes to establishing a Findable, Accessible, Interoperable, and Reusable data ecosystem within the bioimaging community.
- Abstract（参考訳）: 高度なバイオイメージング技術により、多次元データの大規模取得が可能になったが、効果的なメタデータ管理と相互運用性は依然として大きな課題である。
これらの課題に対処するために,2層アーキテクチャを採用したシステム科学・生物ダイナミクスデータベース(SSBD)のための新しいオントロジー駆動フレームワークを提案する。
SSBD:repository -- 最小限のメタデータを持つ高速データセットパブリッシュに焦点を当てた -- と、生物学的およびイメージング関連のアノテーションで拡張されたSSBD:databaseの両方をサポートする。
一方、インスタンス層は、コアクラスに明示的にリンクされたResource Description Framework個人として、実際のイメージデータセット情報を表現します。
この階層化されたアプローチは、柔軟なインスタンスデータを堅牢なオントロジクラスに整合させ、シームレスな統合と高度なセマンティッククエリを可能にします。
SSBDオントロジーは、柔軟性と厳密さを結合することにより、相互運用性、データの再利用、新しい生物学的メカニズムの発見を促進する。
さらに,本ソリューションは,生物画像ガイドラインの推奨メタデータと整合し,互換性を高める。
最終的に、私たちのアプローチは、バイオイメージングコミュニティ内でFinderable、Accessible、Interoperable、Reusableのデータエコシステムを確立することに寄与します。
関連論文リスト
- BioD2C: A Dual-level Semantic Consistency Constraint Framework for Biomedical VQA [5.840467499436581]
バイオメディカルVQAのための新しい2レベルセマンティック一貫性制約フレームワークBioD2Cを提案する。
BioD2Cは、モデルと特徴レベルの両方で二重レベルのセマンティックインタラクションアライメントを実現し、モデルが質問に基づいて視覚的特徴を適応的に学習できるようにする。
本研究では,手動で修正した画像をフィルタリングし,質問と回答のペアをマルチモーダルな文脈で整列させることにより,過去のデータセットに固有のバイアスに対処する新たなデータセットであるBioVGQを確立する。
論文 参考訳（メタデータ） (2025-03-04T10:39:42Z) - Enhancing Biomedical Relation Extraction with Directionality [4.0241840878351764]
本稿では,ソフトプロンプト学習を用いたマルチタスク言語モデルを提案する。
その結果,10,864の方向アノテーションを付加した濃厚なBioREDコーパスが得られた。
論文 参考訳（メタデータ） (2025-01-23T20:36:11Z) - Synthetic Data for Robust Stroke Segmentation [0.0]
ニューロイメージングにおける病変のセグメンテーションに対する現在のディープラーニングベースのアプローチは、高解像度の画像と広範囲な注釈付きデータに依存することが多い。
本稿では,脳卒中病変のセグメンテーションに適した新しい合成データフレームワークを提案する。
我々のアプローチは、正常組織と病理組織の両方にまたがるセグメンテーションを促進するために、健康なデータセットと脳卒中データセットからラベルマップでモデルを訓練する。
論文 参考訳（メタデータ） (2024-04-02T13:42:29Z) - Eye-gaze Guided Multi-modal Alignment for Medical Representation Learning [65.54680361074882]
アイゲイズガイドマルチモーダルアライメント(EGMA)フレームワークは、アイゲイズデータを利用して、医用視覚的特徴とテキスト的特徴のアライメントを改善する。
我々は4つの医療データセット上で画像分類と画像テキスト検索の下流タスクを行う。
論文 参考訳（メタデータ） (2024-03-19T03:59:14Z) - UniCell: Universal Cell Nucleus Classification via Prompt Learning [76.11864242047074]
ユニバーサル細胞核分類フレームワーク(UniCell)を提案する。
異なるデータセットドメインから対応する病理画像のカテゴリを均一に予測するために、新しいプロンプト学習機構を採用している。
特に,本フレームワークでは,原子核検出と分類のためのエンドツーエンドアーキテクチャを採用し,フレキシブルな予測ヘッドを用いて様々なデータセットを適応する。
論文 参考訳（メタデータ） (2024-02-20T11:50:27Z) - HEALNet: Multimodal Fusion for Heterogeneous Biomedical Data [10.774128925670183]
本稿では,フレキシブルなマルチモーダル融合アーキテクチャであるHybrid Early-fusion Attention Learning Network (HEALNet)を提案する。
The Cancer Genome Atlas (TCGA) の4つのがんデータセットにおける全スライド画像と多モードデータを用いたマルチモーダルサバイバル解析を行った。
HEALNetは、他のエンドツーエンドの訓練された融合モデルと比較して最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2023-11-15T17:06:26Z) - GeoTop: Advancing Image Classification with Geometric-Topological
Analysis [0.0]
トポロジカルデータ解析とリプシッツ・キリング曲線は特徴抽出と分類のための強力なツールとして使用される。
両手法を組み合わせて分類精度を向上させる可能性について検討する。
このアプローチは、様々な生体医学応用における複雑な生物学的プロセスの理解を深める可能性がある。
論文 参考訳（メタデータ） (2023-11-08T23:38:32Z) - Building Flexible, Scalable, and Machine Learning-ready Multimodal
Oncology Datasets [17.774341783844026]
本研究は、オンコロジーデータシステム(MINDS)のマルチモーダル統合を提案する。
MINDSはフレキシブルでスケーラブルで費用対効果の高いメタデータフレームワークで、公開ソースから異なるデータを効率的に分離する。
MINDSは、マルチモーダルデータを調和させることで、より分析能力の高い研究者を力づけることを目指している。
論文 参考訳（メタデータ） (2023-09-30T15:44:39Z) - EBOCA: Evidences for BiOmedical Concepts Association Ontology [55.41644538483948]
本論文は,生物医学領域の概念とそれらの関連性を記述するオントロジーであるEBOCAと,それらの関連性を支持するエビデンスを提案する。
DISNETのサブセットから得られるテストデータとテキストからの自動アソシエーション抽出が変換され、実際のシナリオで使用できる知識グラフが作成されるようになった。
論文 参考訳（メタデータ） (2022-08-01T18:47:03Z) - G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for
Biomarker Identification and Disease Classification [49.53651166356737]
診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。
2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
論文 参考訳（メタデータ） (2021-01-27T19:28:04Z) - Hierarchical Reinforcement Learning for Automatic Disease Diagnosis [52.111516253474285]
政策学習のための対話システムに2段階の階層的な政策構造を統合することを提案する。
提案した政策構造は,多くの疾患や症状を含む診断問題に対処することができる。
論文 参考訳（メタデータ） (2020-04-29T15:02:41Z) - Panoptic Feature Fusion Net: A Novel Instance Segmentation Paradigm for
Biomedical and Biological Images [91.41909587856104]
本稿では,本研究における意味的特徴とインスタンス的特徴を統一するPanoptic Feature Fusion Net(PFFNet)を提案する。
提案するPFFNetには,インスタンス予測を意味的特徴に組み込むための残注意特徴融合機構が組み込まれている。
様々なバイオメディカルおよび生物学的データセットにおいて、最先端のいくつかの手法を上回ります。
論文 参考訳（メタデータ） (2020-02-15T09:19:41Z)
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。