Fugu-MT 論文翻訳(概要): Importance of localized dilatation and distensibility in identifying determinants of thoracic aortic aneurysm with neural operators

論文の概要: Importance of localized dilatation and distensibility in identifying determinants of thoracic aortic aneurysm with neural operators

arxiv url: http://arxiv.org/abs/2509.26576v1
Date: Tue, 30 Sep 2025 17:34:59 GMT
ステータス: 翻訳完了
システム内更新日: 2025-10-01 17:09:04.64104
Title: Importance of localized dilatation and distensibility in identifying determinants of thoracic aortic aneurysm with neural operators
Title（参考訳）: 神経オペレーターによる胸部大動脈瘤の因子同定における局所拡張と拡張性の重要性
Authors: David S. Li, Somdatta Goswami, Qianying Cao, Vivek Oommen, Roland Assi, Jay D. Humphrey, George E. Karniadakis,
Abstract要約: 胸部大動脈瘤(TAA)は,大動脈壁への機械的・機械的破壊から生じる。ここでは、有限要素フレームワークを用いて、数百の異種侮辱から合成TAAを生成する。局所的な拡張と拡張性の空間マップを構築し、ニューラルネットワークをトレーニングし、組み合わせた侮辱の開始を予測する。
参考スコア（独自算出の注目度）: 0.12491670910781398
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Thoracic aortic aneurysms (TAAs) arise from diverse mechanical and mechanobiological disruptions to the aortic wall that increase the risk of dissection or rupture. Evidence links TAA development to dysfunctions in the aortic mechanotransduction axis, including loss of elastic fiber integrity and cell-matrix connections. Because distinct insults create different mechanical vulnerabilities, there is a critical need to identify interacting factors that drive progression. Here, we use a finite element framework to generate synthetic TAAs from hundreds of heterogeneous insults spanning varying degrees of elastic fiber damage and impaired mechanosensing. From these simulations, we construct spatial maps of localized dilatation and distensibility to train neural networks that predict the initiating combined insult. We compare several architectures (Deep Operator Networks, UNets, and Laplace Neural Operators) and multiple input data formats to define a standard for future subject-specific modeling. We also quantify predictive performance when networks are trained using only geometric data (dilatation) versus both geometric and mechanical data (dilatation plus distensibility). Across all networks, prediction errors are significantly higher when trained on dilatation alone, underscoring the added value of distensibility information. Among the tested models, UNet consistently provides the highest accuracy across all data formats. These findings highlight the importance of acquiring full-field measurements of both dilatation and distensibility in TAA assessment to reveal the mechanobiological drivers of disease and support the development of personalized treatment strategies.
Abstract（参考訳）: 胸部大動脈瘤 (TAA) は, 解離や破裂のリスクを高めるため, 様々な機械的, メカノバイオロジー的破壊を伴い, 大動脈壁に発生する。 TAAの発達と大動脈メカノトランスダクション軸の障害は関連しており、弾性繊維の完全性や細胞-マトリクス接続が失われている。異なる侮辱は異なる機械的脆弱性を生み出すため、進行を促す相互作用因子を識別する必要がある。ここでは、有限要素フレームワークを用いて、弾性繊維損傷やメカノセンス障害の度合いにまたがる数百の異種侮辱から合成TAAを生成する。これらのシミュレーションから、局所的な拡張と拡張性の空間マップを構築し、ニューラルネットワークをトレーニングし、組み合わせた侮辱の開始を予測する。複数のアーキテクチャ(Deep Operator Networks、UNets、Laplace Neural Operators)と複数の入力データフォーマットを比較し、将来の対象特化モデリングの標準を定義する。また,ネットワークが幾何学的データ(拡張性)と機械的データ(拡張性と拡張性)の双方に対して,幾何学的データ(拡張性)のみを用いてトレーニングされている場合の予測性能を定量化する。全てのネットワークにおいて、拡張性のみをトレーニングする場合、予測誤差は著しく高くなり、拡張性情報の付加価値が強調される。テストされたモデルの中で、UNetは一貫して、すべてのデータフォーマットで最高の精度を提供する。これらの知見は,TAA評価における拡張性および拡張性の両方をフルフィールドで測定し,疾患のメカニズム的要因を明らかにすること,パーソナライズされた治療戦略の開発を支援することの重要性を浮き彫りにしている。

関連論文リスト

Deconstructing Intraocular Pressure: A Non-invasive Multi-Stage Probabilistic Inverse Framework [0.0]
緑内障は眼圧上昇(IOP)による可逆性失明の主因である非侵襲的に測定不能な変数をスパースなルーチンデータから推定するフレームワークを開発する。本フレームワークは, 直接物理機器に匹敵する精度で, 最先端のトノグラフィーと良好な一致を実現している。
論文参考訳（メタデータ） (2025-09-17T16:50:23Z)
Causal Operator Discovery in Partial Differential Equations via Counterfactual Physics-Informed Neural Networks [0.0]
物理インフォームドニューラルネットワークと対実最小化を用いた偏微分方程式(PDE)の因果構造を発見するための原理的枠組みを開発する。気候力学,腫瘍拡散,海流の総合的および実世界のデータセット上で,この枠組みを検証した。本研究は、因果的PDE発見を、構造因果モデルと変分残差解析に基づく、抽出可能かつ解釈可能な推論タスクとして位置づける。
論文参考訳（メタデータ） (2025-06-25T07:15:42Z)
Adjustment for Confounding using Pre-Trained Representations [2.916285040262091]
本研究では,事前学習したニューラルネットワークの潜時的特徴をどのように活用し,共起源の調整を行うかを検討する。ニューラルネットワークは、学習問題の空間性と次元という本質的な概念に適応することで、高速収束率を達成することができることを示す。
論文参考訳（メタデータ） (2025-06-17T09:11:17Z)
TxPert: Leveraging Biochemical Relationships for Out-of-Distribution Transcriptomic Perturbation Prediction [11.083533122552396]
我々は、複数の生物学的知識ネットワークを活用してOODシナリオ下での応答を予測する新しい最先端手法であるTxPertを提案する。特に,TxPert,TxPert,TxPert,TxPert,TxPert,TxPert,TxPert。
論文参考訳（メタデータ） (2025-05-20T21:13:23Z)
Large-Scale Targeted Cause Discovery with Data-Driven Learning [66.86881771339145]
本稿では,観測結果から対象変数の因果変数を推定する機械学習手法を提案する。ローカル推論戦略を用いることで、我々のアプローチは変数数に線形な複雑さを伴ってスケールし、数千の変数に効率的にスケールアップする。大規模遺伝子制御ネットワークにおける因果関係の同定に優れた性能を示す実験結果が得られた。
論文参考訳（メタデータ） (2024-08-29T02:21:11Z)
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)
Bayesian Networks for the robust and unbiased prediction of depression and its symptoms utilizing speech and multimodal data [65.28160163774274]
我々は,抑うつ,抑うつ症状,および,胸腺で収集された音声,表情,認知ゲームデータから得られる特徴の関連性を把握するためにベイズ的枠組みを適用した。
論文参考訳（メタデータ） (2022-11-09T14:48:13Z)
Differentiable Agent-based Epidemiology [71.81552021144589]
GradABM(GradABM)は、エージェントベースのモデリングのためのスケーラブルで微分可能な設計で、勾配に基づく学習と自動微分が可能である。 GradABMは、コモディティハードウェア上で数秒で数百万の人口をシミュレートし、ディープニューラルネットワークと統合し、異種データソースを取り込みます。
論文参考訳（メタデータ） (2022-07-20T07:32:02Z)
Neural operator learning of heterogeneous mechanobiological insults contributing to aortic aneurysms [0.15658704610960567]
胸部大動脈瘤(英: Thoracic aortic aneurysm,TAA)は、大動脈の局所的な拡張であり、壁構成、構造、機能から生じる。本稿では,深層演算子ネットワーク(DeepONet)をベースとしたサロゲートモデルをトレーニングし,TAAの寄与要因を特定するための統合フレームワークを提案する。提案手法は,患者固有のメカノロジー的侮辱プロファイルを高精度に予測できることを示す。
論文参考訳（メタデータ） (2022-05-08T04:37:49Z)
The Causal Neural Connection: Expressiveness, Learnability, and Inference [125.57815987218756]
構造因果モデル (Structuor causal model, SCM) と呼ばれるオブジェクトは、調査中のシステムのランダムな変動のメカニズムと源の集合を表す。本稿では, 因果的階層定理 (Thm. 1, Bareinboim et al., 2020) がまだニューラルモデルに対して成り立っていることを示す。我々はニューラル因果モデル(NCM)と呼ばれる特殊なタイプのSCMを導入し、因果推論に必要な構造的制約をエンコードする新しいタイプの帰納バイアスを定式化する。
論文参考訳（メタデータ） (2021-07-02T01:55:18Z)

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。