論文の概要: A Hierarchical Variational Graph Fused Lasso for Recovering Relative Rates in Spatial Compositional Data

• arxiv url: http://arxiv.org/abs/2509.20636v1
• Date: Thu, 25 Sep 2025 00:19:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-26 20:58:12.638184
• Title: A Hierarchical Variational Graph Fused Lasso for Recovering Relative Rates in Spatial Compositional Data
• Title（参考訳）: 空間構成データにおける相対レートの回復のための階層的変動グラフ融合ラッソ
• Authors: Joaquim Valerio Teixeira, Ed Reznik, Sudpito Banerjee, Wesley Tansey,
• Abstract要約: 本研究では,空間信号パターンの自然な間隔を利用して,画像全体にわたる各分子の相対率を復元するスケーラブルなベイズフレームワークを開発した。 本手法は,従来の図形ラッソの重み付き変奏法と,新しい階層的変奏法を併用することに依存する。 実際のIMSデータから,本手法は既知組織の真の解剖学的構造を回復し,アーティファクトを除去し,標準解析手法で欠落した活性領域を検出する。
• 参考スコア（独自算出の注目度）: 0.9332987715848716
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The analysis of spatial data from biological imaging technology, such as imaging mass spectrometry (IMS) or imaging mass cytometry (IMC), is challenging because of a competitive sampling process which convolves signals from molecules in a single pixel. To address this, we develop a scalable Bayesian framework that leverages natural sparsity in spatial signal patterns to recover relative rates for each molecule across the entire image. Our method relies on the use of a heavy-tailed variant of the graphical lasso prior and a novel hierarchical variational family, enabling efficient inference via automatic differentiation variational inference. Simulation results show that our approach outperforms state-of-the-practice point estimate methodologies in IMS, and has superior posterior coverage than mean-field variational inference techniques. Results on real IMS data demonstrate that our approach better recovers the true anatomical structure of known tissue, removes artifacts, and detects active regions missed by the standard analysis approach.
• Abstract（参考訳）: イメージング質量分析法 (IMS) やイメージング質量サイトメトリー (IMC) などの生体イメージング技術による空間データの解析は, 単一のピクセル内の分子からの信号を包含する競合的なサンプリングプロセスのために困難である。 これを解決するために,空間信号パターンの自然な間隔を利用して,画像全体にわたる各分子の相対率を復元するスケーラブルなベイズフレームワークを開発した。 提案手法は,従来のグラフィカルラッソの重み付き変種と,新しい階層的変種族を用いることで,自動微分変種推論による効率的な推論を可能にする。 シミュレーションの結果,本手法はIMSにおける現状点推定法より優れており,平均場変動推定法よりも後方カバレッジが優れていることがわかった。 実際のIMSデータから,本手法は既知組織の真の解剖学的構造を回復し,アーティファクトを除去し,標準解析手法で欠落した活性領域を検出する。

関連論文リスト

• MAISY: Motion-Aware Image SYnthesis for Medical Image Motion Correction [11.150364980770675]
  本研究では、まず動きを特徴付ける動き認識画像合成法(MAISY)を提案する。 胸部CTおよび頭部CTを用いた実験では、我々のモデルは最先端のモデルよりも優れていた。
  論文  参考訳（メタデータ） (2025-05-07T03:44:28Z)
• Unsupervised Domain Transfer with Conditional Invertible Neural Networks [83.90291882730925]
  条件付き可逆ニューラルネットワーク(cINN)に基づくドメイン転送手法を提案する。 提案手法は本質的に,その可逆的アーキテクチャによるサイクル一貫性を保証し,ネットワークトレーニングを最大限効率的に行うことができる。 提案手法は,2つの下流分類タスクにおいて,現実的なスペクトルデータの生成を可能にし,その性能を向上する。
  論文  参考訳（メタデータ） (2023-03-17T18:00:27Z)
• A kinetic approach to consensus-based segmentation of biomedical images [39.58317527488534]
  バイオメディカルセグメンテーション問題に有界信頼度コンセンサスモデルの運動バージョンを適用した。 システムの長時間の挙動は、代理のフォッカー・プランク法(英語版)の助けを借りて計算される。 2次元グレースケール画像の関連集合に対して導入されたセグメンテーション距離を最小化する。
  論文  参考訳（メタデータ） (2022-11-08T09:54:34Z)
• Negligible effect of brain MRI data preprocessing for tumor segmentation [36.89606202543839]
  我々は3つの公開データセットの実験を行い、ディープニューラルネットワークにおける異なる前処理ステップの効果を評価する。 その結果、最も一般的な標準化手順は、ネットワーク性能に何の価値も与えないことが示されている。 画像の規格化に伴う信号分散の低減のため,画像強度正規化手法はモデル精度に寄与しない。
  論文  参考訳（メタデータ） (2022-04-11T17:29:36Z)
• ScoreNet: Learning Non-Uniform Attention and Augmentation for Transformer-Based Histopathological Image Classification [11.680355561258427]
  高解像度画像はデジタル病理の進歩を妨げる。 パッチベースの処理は、しばしば複数のインスタンス学習(MIL)を組み込んで、画像レベルの予測をもたらす局所的なパッチレベルの表現を集約する。 本稿では,組織像分類に適したトランスフォーマーアーキテクチャを提案する。 局所的なきめ細かな注意と粗いグローバルな注意機構を組み合わせることで、高解像度画像の意味的な表現を効率的な計算コストで学習する。
  論文  参考訳（メタデータ） (2022-02-15T16:55:09Z)
• Data-driven generation of plausible tissue geometries for realistic photoacoustic image synthesis [53.65837038435433]
  光音響トモグラフィ(pat)は形態的および機能的組織特性を回復する可能性がある。 我々は,PATデータシミュレーションの新たなアプローチを提案し,これを「シミュレーションの学習」と呼ぶ。 我々は、意味的注釈付き医療画像データに基づいて訓練されたGAN(Generative Adversarial Networks)の概念を活用して、可塑性組織ジオメトリを生成する。
  論文  参考訳（メタデータ） (2021-03-29T11:30:18Z)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)
• Pathological Retinal Region Segmentation From OCT Images Using Geometric Relation Based Augmentation [84.7571086566595]
  本稿では,幾何学と形状の内在的関係を共同で符号化することで,従来のGANベースの医用画像合成法よりも優れた手法を提案する。 提案手法は,取得手順の異なる画像を有する公開RETOUCHデータセット上で,最先端のセグメンテーション手法より優れている。
  論文  参考訳（メタデータ） (2020-03-31T11:50:43Z)

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。