論文の概要: Image-based Morphological Characterization of Filamentous Biological Structures with Non-constant Curvature Shape Feature

• arxiv url: http://arxiv.org/abs/2511.11639v1
• Date: Sun, 09 Nov 2025 04:54:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-18 14:36:22.697847
• Title: Image-based Morphological Characterization of Filamentous Biological Structures with Non-constant Curvature Shape Feature
• Title（参考訳）: 非定常曲率形状を持つ繊維状生体構造の画像による形態評価
• Authors: Jie Fan, Francesco Visentin, Barbara Mazzolai, Emanuela Del Dottore,
• Abstract要約: 身体の異なる部位でメカノ刺激を受けた場合, 腱の形状変化を経時的に解析できる画像ベース手法を提案する。 メカニカル・ラビング後の腱の形状を再構成するために, 3次元ピアース・ワイズ・クロソイドモデルを用いた幾何学的手法を用いる。 以上の結果から, 腱の根尖部における反応性は, 臓器のその部位において高い感度と組織の柔軟性に対応している可能性が示唆された。
• 参考スコア（独自算出の注目度）: 2.099922236065961
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Tendrils coil their shape to anchor the plant to supporting structures, allowing vertical growth toward light. Although climbing plants have been studied for a long time, extracting information regarding the relationship between the temporal shape change, the event that triggers it, and the contact location is still challenging. To help build this relation, we propose an image-based method by which it is possible to analyze shape changes over time in tendrils when mechano-stimulated in different portions of their body. We employ a geometric approach using a 3D Piece-Wise Clothoid-based model to reconstruct the configuration taken by a tendril after mechanical rubbing. The reconstruction shows high robustness and reliability with an accuracy of R2 > 0.99. This method demonstrates distinct advantages over deep learning-based approaches, including reduced data requirements, lower computational costs, and interpretability. Our analysis reveals higher responsiveness in the apical segment of tendrils, which might correspond to higher sensitivity and tissue flexibility in that region of the organs. Our study provides a methodology for gaining new insights into plant biomechanics and offers a foundation for designing and developing novel intelligent robotic systems inspired by climbing plants.
• Abstract（参考訳）: テンドルは、植物を支える構造に固定するために形を巻き付け、光への垂直な成長を可能にする。 登山植物は長い間研究されてきたが, 時間的形状変化, 引き金となる事象, 接触位置との関係について, 情報の抽出はいまだに困難である。 この関係を構築するために,身体の異なる部位でメカノ刺激を受けた場合の腱の形状変化を経時的に解析できる画像ベース手法を提案する。 メカニカル・ラビング後の腱の形状を再構成するために, 3次元ピアース・ワイズ・クロソイドモデルを用いた幾何学的手法を用いる。 復元はR2>0.99の精度で高い堅牢性と信頼性を示す。 この手法は、データ要求の削減、計算コストの低減、解釈可能性など、ディープラーニングベースのアプローチに対する明確な利点を示す。 以上の結果から, 腱の根尖部における反応性は, 臓器のその部位において高い感度と組織の柔軟性に対応している可能性が示唆された。 本研究は,植物バイオメカニクスの新たな知見を得るための方法論を提供し,植物にインスパイアされた新しいインテリジェントなロボットシステムを設計・開発するための基盤を提供する。

関連論文リスト

• Shape Modeling of Longitudinal Medical Images: From Diffeomorphic Metric Mapping to Deep Learning [0.0]
  生体組織は複雑なシステムであり、外的および内的刺激に反応して常に成長し、変化する。 解剖学的構造における自然および病理学的(または異常な)変化のモデリングと理解は、非常に関連性が高い。 しかし, 生体組織の縦方向の形状変化をモデル化することは, 本質的に非線形な性質のため, 非自明な作業である。
  論文  参考訳（メタデータ） (2025-03-27T13:25:40Z)
• Synthetic Fungi Datasets: A Time-Aligned Approach [3.996773524410032]
  このデータセットは、胞の大きさの縮小、分岐ダイナミクス、複雑な菌糸体ネットワークの出現などの現象を捉えている。 データセットはディープラーニング(DL)アプリケーションに最適化されている。 農業、医学、産業の菌学にまたがる応用により、この資源は菌類分析を自動化するための堅牢な基盤を提供する。
  論文  参考訳（メタデータ） (2025-01-06T09:00:17Z)
• Automated Model Discovery for Tensional Homeostasis: Constitutive Machine Learning in Growth and Remodeling [0.0]
  キネマティック成長とホメオスタティック表面を組み込むことで,非弾性構成型ニューラルネットワーク(iCANN)を拡張した。 実験により得られた組織等価データから材料点レベルで学習するネットワークの能力を評価する。
  論文  参考訳（メタデータ） (2024-10-17T15:12:55Z)
• Second Order Kinematic Surface Fitting in Anatomical Structures [0.43512163406551996]
  キネマティックサーフェスフィッティングにおける2次速度場を利用した革新的なアプローチを提案する。 この進歩は、より高い回転形状の複雑さを許容し、解剖学的構造における対称性検出の精度を向上させる。 本手法は, 曲線回転対称性(コア線)の検出を可能にするだけでなく, 曲率やねじれに関連する内在的な形状パラメータを導出することで, 形態的分類を容易にする。
  論文  参考訳（メタデータ） (2024-01-29T10:36:43Z)
• Neural Echos: Depthwise Convolutional Filters Replicate Biological Receptive Fields [56.69755544814834]
  哺乳類網膜で観察される生体受容野を,深部核が効果的に複製していることを示す証拠を提示する。 生体受容の分野からインスピレーションを得る手法を提案する。
  論文  参考訳（メタデータ） (2024-01-18T18:06:22Z)
• Geometric Deep Learning for Structure-Based Drug Design: A Survey [83.87489798671155]
  構造に基づく薬物設計(SBDD)は、タンパク質の3次元幾何学を利用して、潜在的な薬物候補を特定する。 近年の幾何学的深層学習の進歩は、3次元幾何学的データを効果的に統合・処理し、この分野を前進させてきた。
  論文  参考訳（メタデータ） (2023-06-20T14:21:58Z)
• Semantic Image Segmentation with Deep Learning for Vine Leaf Phenotyping [59.0626764544669]
  本研究では,ブドウの葉のイメージを意味的にセグメント化するためにDeep Learning法を用いて,葉の表現型自動検出システムを開発した。 私たちの研究は、成長や開発のような動的な特性を捉え定量化できる植物ライフサイクルのモニタリングに寄与します。
  論文  参考訳（メタデータ） (2022-10-24T14:37:09Z)
• A parameter refinement method for Ptychography based on Deep Learning concepts [55.41644538483948]
  伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。 最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。 我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
  論文  参考訳（メタデータ） (2021-05-18T10:15:17Z)

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。