論文の概要: Restless Multi-Process Multi-Armed Bandits with Applications to Self-Driving Microscopies

• arxiv url: http://arxiv.org/abs/2512.14930v1
• Date: Tue, 16 Dec 2025 21:42:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-18 17:06:26.792186
• Title: Restless Multi-Process Multi-Armed Bandits with Applications to Self-Driving Microscopies
• Title（参考訳）: レストレス多関節バンドと自律型マイクロスコープへの応用
• Authors: Jaume Anguera Peris, Songtao Cheng, Hanzhao Zhang, Wei Ouyang, Joakim Jaldén,
• Abstract要約: 高濃度走査顕微鏡は、大量のライブセルイメージングデータを生成するが、そのポテンシャルは、最も効果的に画像が撮影される時期と場所を判断できないことによって制限されている。 我々は、各実験領域を単一のプロセスではなく、アンサンブルマルコフ連鎖としてモデル化する新しい決定理論の枠組みである、レスレスマルチプロセス・マルチアーム・バンディット(RMPMAB)を導入する。 提案手法は,資源制約下でのスループットを大幅に向上することを示す。
• 参考スコア（独自算出の注目度）: 3.344873290507966
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: High-content screening microscopy generates large amounts of live-cell imaging data, yet its potential remains constrained by the inability to determine when and where to image most effectively. Optimally balancing acquisition time, computational capacity, and photobleaching budgets across thousands of dynamically evolving regions of interest remains an open challenge, further complicated by limited field-of-view adjustments and sensor sensitivity. Existing approaches either rely on static sampling or heuristics that neglect the dynamic evolution of biological processes, leading to inefficiencies and missed events. Here, we introduce the restless multi-process multi-armed bandit (RMPMAB), a new decision-theoretic framework in which each experimental region is modeled not as a single process but as an ensemble of Markov chains, thereby capturing the inherent heterogeneity of biological systems such as asynchronous cell cycles and heterogeneous drug responses. Building upon this foundation, we derive closed-form expressions for transient and asymptotic behaviors of aggregated processes, and design scalable Whittle index policies with sub-linear complexity in the number of imaging regions. Through both simulations and a real biological live-cell imaging dataset, we show that our approach achieves substantial improvements in throughput under resource constraints. Notably, our algorithm outperforms Thomson Sampling, Bayesian UCB, epsilon-Greedy, and Round Robin by reducing cumulative regret by more than 37% in simulations and capturing 93% more biologically relevant events in live imaging experiments, underscoring its potential for transformative smart microscopy. Beyond improving experimental efficiency, the RMPMAB framework unifies stochastic decision theory with optimal autonomous microscopy control, offering a principled approach to accelerate discovery across multidisciplinary sciences.
• Abstract（参考訳）: 高濃度走査顕微鏡は、大量のライブセルイメージングデータを生成するが、そのポテンシャルは、最も効果的に画像が撮影される時期と場所を判断できないことによって制限されている。 獲得時間、計算能力、および何千もの動的に進化する関心領域のフォト漂白予算の最適バランスは未解決の課題であり、視野調整やセンサー感度の制限によってさらに複雑になる。 既存のアプローチは、生物学的プロセスの動的な進化を無視する静的サンプリングやヒューリスティックに依存しており、非効率性やイベントの欠落につながっている。 本稿では,各実験領域を1つのプロセスではなくマルコフ連鎖のアンサンブルとしてモデル化し,非同期セルサイクルや異種薬物応答などの生体系の固有不均一性を捉える,新たな決定論的枠組みである,レスレスマルチプロセス・マルチアームバンドイット(RMPMAB)を紹介する。 この基礎の上に、集約されたプロセスの過渡的および漸近的挙動に関するクローズドフォーム表現を導出し、画像領域数のサブ線形複雑さを伴うスケーラブルなWhittleインデックスポリシーを設計する。 シミュレーションと実生細胞イメージングデータセットを用いて,本手法は資源制約下でのスループットを大幅に向上することを示す。 特に、我々のアルゴリズムはThomson Smpling、Bayesian UCB、Epsilon-Greedy、Round Robinよりも優れており、シミュレーションの累積後悔を37%以上減らし、ライブイメージング実験において93%以上の生物学的関連事象を捉え、変換型スマート顕微鏡の可能性を強調している。 実験効率の改善に加えて、RMPMABフレームワークは、確率的決定理論と最適な自律顕微鏡制御を統一し、多分野の科学における発見を加速する原則的なアプローチを提供する。

関連論文リスト

• High-Throughput Low-Cost Segmentation of Brightfield Microscopy Live Cell Images [3.175346985850522]
  本研究は,光電場顕微鏡で観察した無残な生細胞のセグメンテーションに焦点を当てた。 冷凍エンコーダの比較分析を取り入れた低コストCNNパイプラインを開発した。 このモデルは、多様な生きた細胞変異を特徴とする公開データセットで検証された。
  論文  参考訳（メタデータ） (2025-08-17T22:05:58Z)
• Integration of Calcium Imaging Traces via Deep Generative Modeling [0.0]
  スパイク推定アルゴリズムに頼らずに、カルシウムイメージング蛍光トレースから単一ニューロン表現を学習する方法を示す。 このアプローチは、バッチ効果を緩和しながら生物学的変動を保ちながら、最先端モデルよりも優れていることが判明した。 このフレームワークは、シングルニューロンダイナミクスの堅牢な可視化、クラスタリング、解釈を可能にする。
  論文  参考訳（メタデータ） (2025-01-24T16:33:52Z)
• Learning Multiscale Consistency for Self-supervised Electron Microscopy Instance Segmentation [48.267001230607306]
  本稿では,EMボリュームのマルチスケール一貫性を高める事前学習フレームワークを提案する。 当社のアプローチでは,強力なデータ拡張と弱いデータ拡張を統合することで,Siameseネットワークアーキテクチャを活用している。 効果的にボクセルと機能の一貫性をキャプチャし、EM分析のための転送可能な表現を学習する。
  論文  参考訳（メタデータ） (2023-08-19T05:49:13Z)
• PhagoStat a scalable and interpretable end to end framework for efficient quantification of cell phagocytosis in neurodegenerative disease studies [0.0]
  本稿では,食欲活動の定量化と分析を行うためのエンドツーエンド,スケーラブル,汎用的なリアルタイムフレームワークを提案する。 提案するパイプラインでは,大規模なデータセットを処理でき,データ品質検証モジュールも備えている。 我々はこのパイプラインをFTDの微小グリア細胞食細胞解析に応用し,統計的に信頼性の高い結果を得た。
  論文  参考訳（メタデータ） (2023-04-26T18:10:35Z)
• OADAT: Experimental and Synthetic Clinical Optoacoustic Data for Standardized Image Processing [62.993663757843464]
  オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。 OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。 臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
  論文  参考訳（メタデータ） (2022-06-17T08:11:26Z)
• Multi-StyleGAN: Towards Image-Based Simulation of Time-Lapse Live-Cell Microscopy [23.720106678247888]
  生体細胞の時間分解蛍光顕微鏡像をシミュレートする手法としてMulti-StyleGANを提案する。 この新規な生成逆ネットワークは連続した時間ステップのマルチドメイン配列を合成する。 このシミュレーションは、細胞の形態、成長、物理的相互作用、および蛍光レポータータンパク質の強度など、基礎となる生理的要因と時間的依存を捉えている。
  論文  参考訳（メタデータ） (2021-06-15T16:51:16Z)
• Policy Optimization in Bayesian Network Hybrid Models of Biomanufacturing Processes [3.124775036986647]
  バイオマニュファクチャリングプロセスは、綿密な監視と制御を必要とする。 低データ環境における人間レベルの制御を実現するためのモデルベース強化学習フレームワークを開発した。
  論文  参考訳（メタデータ） (2021-05-13T20:39:02Z)
• Towards an Automatic Analysis of CHO-K1 Suspension Growth in Microfluidic Single-cell Cultivation [63.94623495501023]
  我々は、人間の力で抽象化されたニューラルネットワークをデータレベルで注入できる新しい機械学習アーキテクチャを提案する。 具体的には、自然データと合成データに基づいて生成モデルを同時に訓練し、細胞数などの対象変数を確実に推定できる共有表現を学習する。
  論文  参考訳（メタデータ） (2020-10-20T08:36:51Z)
• Statistical control for spatio-temporal MEG/EEG source imaging with desparsified multi-task Lasso [102.84915019938413]
  脳磁図(MEG)や脳電図(EEG)のような非侵襲的手法は、非侵襲的手法を約束する。 ソースローカライゼーション(ソースイメージング)の問題は、しかしながら、高次元の統計的推測問題を引き起こす。 この問題に対処するために,分離されたマルチタスクラッソ(ecd-MTLasso)のアンサンブルを提案する。
  論文  参考訳（メタデータ） (2020-09-29T21:17:16Z)

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。