論文の概要: FlowMorph: Physics-Consistent Self-Supervision for Label-Free Single-Cell Mechanics in Microfluidic Videos

• arxiv url: http://arxiv.org/abs/2601.17947v1
• Date: Sun, 25 Jan 2026 18:57:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-27 15:23:08.555118
• Title: FlowMorph: Physics-Consistent Self-Supervision for Label-Free Single-Cell Mechanics in Microfluidic Videos
• Title（参考訳）: FlowMorph: マイクロ流体ビデオにおけるラベルフリー単セルメカニクスのための物理抵抗型セルフスーパービジョン
• Authors: Bora Yimenicioglu, Vishal Manikanden,
• Abstract要約: 赤血球の力学的性質は、血液疾患や全身疾患に対して有望なバイオマーカーである。 本稿では,ラベルフリーなスカラー・メカニクス・プロキシであるFlowMorphについて,短時間の光場マイクロ流体ビデオからRBC毎に$k$で学習する自己教師型フレームワークを紹介した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Mechanical properties of red blood cells (RBCs) are promising biomarkers for hematologic and systemic disease, motivating microfluidic assays that probe deformability at throughputs of $10^3$--$10^6$ cells per experiment. However, existing pipelines rely on supervised segmentation or hand-crafted kymographs and rarely encode the laminar Stokes-flow physics that governs RBC shape evolution. We introduce FlowMorph, a physics-consistent self-supervised framework that learns a label-free scalar mechanics proxy $k$ for each tracked RBC from short brightfield microfluidic videos. FlowMorph models each cell by a low-dimensional parametric contour, advances boundary points through a differentiable ''capsule-in-flow'' combining laminar advection and curvature-regularized elastic relaxation, and optimizes a loss coupling silhouette overlap, intra-cellular flow agreement, area conservation, wall constraints, and temporal smoothness, using only automatically derived silhouettes and optical flow. Across four public RBC microfluidic datasets, FlowMorph achieves a mean silhouette IoU of $0.905$ on physics-rich videos with provided velocity fields and markedly improves area conservation and wall violations over purely data-driven baselines. On $\sim 1.5\times 10^5$ centered sequences, the scalar $k$ alone separates tank-treading from flipping dynamics with an AUC of $0.863$. Using only $200$ real-time deformability cytometry (RT-DC) events for calibration, a monotone map $E=g(k)$ predicts apparent Young's modulus with a mean absolute error of $0.118$\,MPa on $600$ held-out cells and degrades gracefully under shifts in channel geometry, optics, and frame rate.
• Abstract（参考訳）: 赤血球(RBC)の力学的性質は、血液学的および全身疾患のバイオマーカーとして有望であり、実験1回につき10^3$-10^6$のスループットで変形性を調査する微小流体測定を動機付けている。 しかし、既存のパイプラインは、教師付きセグメンテーションや手作りキモグラフに依存しており、RBC形状の進化を管理するラミナーストクスフロー物理学を符号化することは稀である。 本稿では,短時間の光場マイクロ流体ビデオから記録されたRBC毎に,ラベルのないスカラー力学プロキシ$k$を学習する物理一貫性の自己教師型フレームワークであるFlowMorphを紹介する。 FlowMorphは、低次元のパラメトリックな輪郭によって各セルをモデル化し、ラミナの対流と曲率規則化された弾性緩和を組み合わせた「カプセル・イン・フロー」を通じて境界点を前進させ、自動的に導出されたシルエットと光流のみを用いて、損失結合シルエットの重なり合い、細胞内の流れの一致、面積保存、壁の制約、時間的滑らかさを最適化する。 4つの公開RBCマイクロ流体データセット全体で、FlowMorphは物理リッチなビデオの平均シルエットIoUを0.905ドルで達成し、提供された速度場により、純粋にデータ駆動ベースラインよりも領域の保存と壁の侵害を著しく改善する。 $\sim 1.5\times 10^5$ Centered sequencesでは、スカラー$k$だけで、AUCが0.863$の反転力学からタンクトレッドを分離する。 キャリブレーションのためのRT-DC (Real-time deformability cytometry) イベントのみを用いて、モノトーンマップ$E=g(k)$は600ドルのホールトアウトセル上の平均絶対誤差が0.118$\,MPaであり、チャネル幾何学、光学、フレームレートのシフトの下で優雅に劣化する。

関連論文リスト

• Phase-space entropy at acquisition reflects downstream learnability [54.4100065023873]
  楽器分解位相空間に基づく取得レベルスカラー$S_mathcal B$を提案する。 本稿では, (S_mathcal B) が周期サンプリングの位相空間コヒーレンスを正確に同定できることを理論的に示す。 $|S_mathcal B|$は一貫してサンプリングジオメトリをランク付けし、トレーニングなしで下流での再構築/認識の困難を予測します。
  論文  参考訳（メタデータ） (2025-12-22T10:03:51Z)
• Balancing Centralized Learning and Distributed Self-Organization: A Hybrid Model for Embodied Morphogenesis [0.0]
  本研究では,学習可能な脳様のコントローラを細胞様のグレースコット基質に結合して,最小限の努力でステアパターン形成を行う方法について検討する。 コンパクトな畳み込みポリシは、微分可能なPyTorch反応拡散シミュレータに埋め込まれる。
  論文  参考訳（メタデータ） (2025-11-13T09:05:27Z)
• Reevaluating Convolutional Neural Networks for Spectral Analysis: A Focus on Raman Spectroscopy [1.1545092788508224]
  我々は1次元畳み込みニューラルネットワーク(CNN)を評価し,4つの進歩を報告した。 コンパクトCNNは、手作りの機能で$k$-nearest-neborsを上回っている。 ラベル効率の学習: 半教師付き生成的敵ネットワークと対照的な事前学習により、最大で11%の精度が向上し、わずか10%のラベルしか取得できない。 このワークフローには、生のスペクトルのトレーニング、プールのチューニング、ラベルの不足時に半スーパービジョンの追加、新しいターゲットに対する微調整が含まれる。
  論文  参考訳（メタデータ） (2025-09-30T09:01:38Z)
• Assessing the Limits of Graph Neural Networks for Vapor-Liquid Equilibrium Prediction: A Cryogenic Mixture Case Study [3.765010805872486]
  本研究では、GERG-2008/CoolPropデータに基づいてトレーニングされた構造対応グラフニューラルネットワーク(GNN; DimeNet++)が、状態方程式(EoS)の実用的なサロゲートとして機能するかどうかを問う。 我々は90～200K以上の3次データセットと100バーへの圧力を生成し、15%密度フィルタ(5,200状態を1,516に還元する)でキュレートし、各状態と軽量な分子力学スナップショットを組み合わせて構造特性の供給を行う。 我々は、構成上、この研究におけるサロゲートは、VLEに対して平衡対応可能ではなく、実行時利益を提供しない、と結論づける。
  論文  参考訳（メタデータ） (2025-09-10T16:10:58Z)
• Efficient dataset construction using active learning and uncertainty-aware neural networks for plasma turbulent transport surrogate models [0.0]
  本研究は,不確実性を考慮したアーキテクチャを用いてモデル生成のための効率的なデータセットを構築するための実証実験である。 この戦略はトカマク核融合プラズマ中のプラズマ乱流輸送問題、特にQuaLiKiz準静電ジャイロキネティック乱流輸送符号に再び適用された。 45回のアクティブな学習イテレーションで、102ドルの小さな初期トレーニングセットから104ドルの最終セットに移行し、結果のモデルは0.8のF_1ドルの分類パフォーマンス、独立したテストセットで0.75ドルの回帰パフォーマンスに達した。
  論文  参考訳（メタデータ） (2025-07-21T18:15:12Z)
• Simulation-free Schr\"odinger bridges via score and flow matching [89.4231207928885]
  シミュレーションフリースコアとフローマッチング([SF]$2$M)を提案する。 本手法は,拡散モデルのトレーニングに使用するスコアマッチング損失と,連続流のトレーニングに使用されるフローマッチング損失の両方を一般化する。 特に、[SF]$2$Mは、高次元の細胞動態を正確にモデル化し、既知の遺伝子制御ネットワークをシミュレートする最初の方法である。
  論文  参考訳（メタデータ） (2023-07-07T15:42:35Z)
• Computational Fluid Dynamics and Machine Learning as tools for Optimization of Micromixers geometry [0.0]
  本研究は,CFD(Computational Fluid Dynamics)と機械学習技術を組み合わせて,マイクロ流体の分野における新しい最適化手法を提案する。 初期形状はY型マイクロミキサーにインスパイアされ、主チャネルの表面に円筒状の溝があり、内部の障害物がある。 閉塞径(OD)とオフセット(OF)が混合(varphi$)、圧力降下(Delta P$)、エネルギーコスト(Delta P/varphi$)に与える影響について検討した。
  論文  参考訳（メタデータ） (2022-03-04T18:53:13Z)
• Generalizing electrocardiogram delineation: training convolutional neural networks with synthetic data augmentation [63.51064808536065]
  ECGのデライン化のための既存のデータベースは小さく、サイズやそれらが表す病態の配列に不足している。 まず、原データベースから抽出した基本セグメントのプールを与えられたECGトレースを確率的に合成し、その整合性のある合成トレースに配置するための一連のルールを考案した。 第二に、2つの新しいセグメンテーションに基づく損失関数が開発され、これは、正確な数の独立構造の予測を強制し、サンプル数の削減に焦点をあてて、より密接なセグメンテーション境界を創出することを目的としている。
  論文  参考訳（メタデータ） (2021-11-25T10:11:41Z)
• Inverting brain grey matter models with likelihood-free inference: a tool for trustable cytoarchitecture measurements [62.997667081978825]
  脳の灰白質細胞構造の特徴は、体密度と体積に定量的に敏感であり、dMRIでは未解決の課題である。 我々は新しいフォワードモデル、特に新しい方程式系を提案し、比較的スパースなb殻を必要とする。 次に,提案手法を逆転させるため,確率自由推論 (LFI) として知られるベイズ解析から最新のツールを適用した。
  論文  参考訳（メタデータ） (2021-11-15T09:08:27Z)

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。