論文の概要: ContextFlow: Context-Aware Flow Matching For Trajectory Inference From Spatial Omics Data

• arxiv url: http://arxiv.org/abs/2510.02952v1
• Date: Fri, 03 Oct 2025 12:46:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-06 16:35:52.38187
• Title: ContextFlow: Context-Aware Flow Matching For Trajectory Inference From Spatial Omics Data
• Title（参考訳）: ContextFlow:空間宇宙データからの軌跡推論のためのコンテキスト認識フローマッチング
• Authors: Santanu Subhash Rathod, Francesco Ceccarelli, Sean B. Holden, Pietro Liò, Xiao Zhang, Jovan Tanevski,
• Abstract要約: コンテキスト対応フローマッチングフレームワークであるContextFlowを提案する。 それは、空間的に解決されたオミクスデータから構造組織力学の推論を導くために、事前の知識を取り入れている。 コンテキスト制約を埋め込むことで、ContextFlowは統計的に一貫しただけでなく生物学的に意味のあるトラジェクトリを生成する。
• 参考スコア（独自算出の注目度）: 12.454793927784642
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Inferring trajectories from longitudinal spatially-resolved omics data is fundamental to understanding the dynamics of structural and functional tissue changes in development, regeneration and repair, disease progression, and response to treatment. We propose ContextFlow, a novel context-aware flow matching framework that incorporates prior knowledge to guide the inference of structural tissue dynamics from spatially resolved omics data. Specifically, ContextFlow integrates local tissue organization and ligand-receptor communication patterns into a transition plausibility matrix that regularizes the optimal transport objective. By embedding these contextual constraints, ContextFlow generates trajectories that are not only statistically consistent but also biologically meaningful, making it a generalizable framework for modeling spatiotemporal dynamics from longitudinal, spatially resolved omics data. Evaluated on three datasets, ContextFlow consistently outperforms state-of-the-art flow matching methods across multiple quantitative and qualitative metrics of inference accuracy and biological coherence. Our code is available at: \href{https://github.com/santanurathod/ContextFlow}{ContextFlow}
• Abstract（参考訳）: 縦断的空間分解オミクスデータから軌跡を推定することは, 発達, 再生, 修復, 疾患の進行, 治療に対する反応などの構造的, 機能的組織の変化のダイナミクスを理解するのに不可欠である。 従来の知識を取り入れたコンテキスト認識型フローマッチングフレームワークであるContextFlowを提案し,空間的に解決されたオミクスデータから構造組織動態の推論を導出する。 具体的には、ContextFlowは、組織組織とリガンド-受容体コミュニケーションパターンを、最適な輸送目的を標準化する遷移可視性マトリックスに統合する。 これらの文脈制約を埋め込むことで、ContextFlowは統計的に一貫しただけでなく生物学的に有意義な軌跡を生成する。 ContextFlowは3つのデータセットに基づいて評価され、推論精度と生物学的コヒーレンスに関する複数の定量的および定性的なメトリクスにわたって、最先端のフローマッチング手法を一貫して上回る。 私たちのコードは以下の通りです。

関連論文リスト

• Trajectory Stitching for Solving Inverse Problems with Flow-Based Models [68.36374645801901]
  フローベースの生成モデルは、逆問題を解決するための強力な先行要因として現れてきた。 1つの初期コードではなく、中間潜在状態の列として軌道を表すMS-Flowを提案する。 画像の回復と逆問題に対するMS-Flowの有効性を示す。
  論文  参考訳（メタデータ） (2026-02-09T11:36:41Z)
• When Does Context Help? Error Dynamics of Contextual Information in Large Language Models [64.88201012057822]
  大規模言語モデルにおける任意の文脈情報の影響を分析するための統合理論フレームワークを提案する。 本分析は,出力誤差ダイナミクスによる文脈的影響を特徴付ける。 ICL、検索拡張生成、メモリ進化に関する実験は、我々の理論を検証し、原則化された文脈選択戦略を動機づける。
  論文  参考訳（メタデータ） (2026-02-09T05:58:41Z)
• Deep Learning for Contextualized NetFlow-Based Network Intrusion Detection: Methods, Data, Evaluation and Deployment [5.402853794565817]
  本稿では,フローベース侵入検知のための文脈認識深層学習に関する最近の研究を合成する。 既存の手法を時間的文脈,グラフあるいは関係文脈,マルチモーダルコンテキスト,マルチコンセンサスコンテキストを含む4次元分類に分類する。 我々は、時間的リーク、データ分割、データセット設計上の欠陥、限られたデータセットの多様性、弱いデータセットの一般化など、報告された結果に影響を及ぼす一般的な障害モードをレビューする。
  論文  参考訳（メタデータ） (2026-02-05T12:25:18Z)
• SplineFlow: Flow Matching for Dynamical Systems with B-Spline Interpolants [14.711575625163045]
  SplineFlow(スプラインフロー)は、B-スプラインを通して観測された条件付き経路を共同でモデル化する理論的基盤付きフローマッチングアルゴリズムである。 本研究では,B-スプライン基底の滑らかさと安定性をSplineFlowがいかに活用するかを示すとともに,マルチマージ要求を満たすことを保証する。
  論文  参考訳（メタデータ） (2026-01-30T15:19:48Z)
• FlowNet: Modeling Dynamic Spatio-Temporal Systems via Flow Propagation [43.89691389856747]
  複雑な動的時間系の正確なモデリングには、フロー媒介の相互依存性と文脈に敏感な相互作用のダイナミクスを捉える必要がある。 既存の方法は、主にグラフベースまたは注目駆動であり、システムの進化を管理する非対称なフロー交換である類似性駆動の接続仮定に依存している。 本研究では,物理に着想を得たパラダイムである時空間流を提案する。 実験によると、FlowNetは3つの現実世界のシステムのモデリングにおいて、既存の7つのメトリクスに対する最先端のアプローチを著しく上回り、その効率性と物理的解釈可能性を検証する。
  論文  参考訳（メタデータ） (2025-11-05T14:06:19Z)
• Rethinking Unsupervised Cross-modal Flow Estimation: Learning from Decoupled Optimization and Consistency Constraint [20.46870753632375]
  DCFlowは、教師なしのクロスモーダルフロー推定フレームワークである。 本稿では,タスク固有の監督機能を備えた非結合最適化戦略を導入し,モダリティの相違と幾何学的相違を明確に解消する。 評価のために、パブリックデータセットを再取得することで、包括的なクロスモーダルフローベンチマークを構築する。
  論文  参考訳（メタデータ） (2025-09-29T08:10:41Z)
• Follow the Flow: Fine-grained Flowchart Attribution with Neurosymbolic Agents [106.04963073116468]
  フローチャートは意思決定プロセスを視覚化するための重要なツールです。 視覚言語モデルは、これらの図を分析する際に、存在しない接続や決定経路を幻覚させる。 LLM応答を参照してフローチャートを接地する特定の成分をトレースするフローチャートについて紹介する。 本稿では, グラフベースの推論により微細なホック帰属を行うニューロシンボリック・エージェントであるFlowPathAgentを提案する。
  論文  参考訳（メタデータ） (2025-06-02T06:02:41Z)
• SSFlowNet: Semi-supervised Scene Flow Estimation On Point Clouds With Pseudo Label [10.115392939867244]
  本稿では,シーンフロー推定のための半教師付きアプローチであるSSFlowNetを紹介する。 ラベル付きデータとラベルなしデータの混合を利用し、ラベル付けコストとモデルトレーニングの精度のバランスを最適化する。
  論文  参考訳（メタデータ） (2023-12-23T14:43:52Z)
• TransFlow: Transformer as Flow Learner [22.727953339383344]
  本稿では,光フロー推定のためのトランスフォーマーアーキテクチャであるTransFlowを提案する。 フロー推定において、より正確な相関と信頼できるマッチングを提供する。 ダイナミックなシーンにおける長距離時間的関連を通して、フロー推定においてより妥協された情報を復元する。
  論文  参考訳（メタデータ） (2023-04-23T03:11:23Z)
• Distributional GFlowNets with Quantile Flows [73.73721901056662]
  Generative Flow Networks(GFlowNets)は、エージェントが一連の意思決定ステップを通じて複雑な構造を生成するためのポリシーを学ぶ確率的サンプルの新たなファミリーである。 本研究では,GFlowNetの分散パラダイムを採用し,各フロー関数を分散化し,学習中により情報的な学習信号を提供する。 GFlowNet学習アルゴリズムは,リスク不確実性のあるシナリオを扱う上で不可欠な,リスクに敏感なポリシーを学習することができる。
  論文  参考訳（メタデータ） (2023-02-11T22:06:17Z)
• Manifold Interpolating Optimal-Transport Flows for Trajectory Inference [64.94020639760026]
  最適輸送流(MIOFlow)を補間するマニフォールド補間法を提案する。 MIOFlowは、散発的なタイムポイントで撮影された静的スナップショットサンプルから、連続的な人口動態を学習する。 本手法は, 胚体分化および急性骨髄性白血病の治療から得られたscRNA-seqデータとともに, 分岐とマージによるシミュレーションデータについて検討した。
  論文  参考訳（メタデータ） (2022-06-29T22:19:03Z)
• Network Diffusions via Neural Mean-Field Dynamics [52.091487866968286]
  本稿では,ネットワーク上の拡散の推論と推定のための新しい学習フレームワークを提案する。 本研究の枠組みは, ノード感染確率の正確な進化を得るために, モリ・ズワンジッヒ形式から導かれる。 我々のアプローチは、基礎となる拡散ネットワークモデルのバリエーションに対して多用途で堅牢である。
  論文  参考訳（メタデータ） (2020-06-16T18:45:20Z)
• STC-Flow: Spatio-temporal Context-aware Optical Flow Estimation [13.649566468445258]
  光フロー推定のための時空間ネットワーク STC-Flow を提案する。 STC-Flowには、ピラミッド空間コンテキストモジュール、時間コンテキスト相関モジュール、残留コンテキストアップサンプリングモジュールの3つの重要なコンテキストモジュールが含まれている。 実験結果から,提案手法は,SintelデータセットとKITTI 2012/2015データセットに基づく2フレーム方式の最先端性能を実現することが示唆された。
  論文  参考訳（メタデータ） (2020-03-01T08:18:57Z)
• Assignment Flows for Data Labeling on Graphs: Convergence and Stability [69.68068088508505]
  本稿では、連続時間割当フローを積分代入(ラベル)に収束させることを保証する重みパラメータの条件を確立する。 いくつかの反例は、条件違反は、文脈データ分類に関する代入フローの好ましくない振る舞いを伴う可能性があることを示している。
  論文  参考訳（メタデータ） (2020-02-26T15:45:38Z)

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。