論文の概要: Sampling-Aware 3D Spatial Analysis in Multiplexed Imaging

• arxiv url: http://arxiv.org/abs/2604.07890v1
• Date: Thu, 09 Apr 2026 06:59:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-10 18:34:05.752182
• Title: Sampling-Aware 3D Spatial Analysis in Multiplexed Imaging
• Title（参考訳）: 多重画像におけるサンプリング型3次元空間解析
• Abstract要約: 高多重顕微鏡は、単一細胞の分解能で組織をリッチに特徴づけることができる。 ほとんどの分析は、本質的に3次元組織組織であるにもかかわらず、2次元の切断に依存している。 直列断面からのスパースかつ一貫した3次元解析を可能にする幾何認識再構成モジュールを提案する。
• 参考スコア（独自算出の注目度）: 6.355732454577005
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Highly multiplexed microscopy enables rich spatial characterization of tissues at single-cell resolution, yet most analyses rely on two-dimensional sections despite inherently three-dimensional tissue organization. Acquiring dense volumetric data in spatial proteomics remains costly and technically challenging, leaving practitioners to choose between 2D sections or 3D serial sections under limited imaging budgets. In this work, we study how sampling geometry impacts the stability of commonly used spatial statistics, and we introduce a geometry-aware reconstruction module that enables sparse yet consistent 3D analysis from serial sections. Using controlled simulations, we show that planar sampling reliably recovers global cell-type abundance but exhibits high variance for local statistics such as cell clustering and cell-cell interactions, particularly for rare or spatially localized populations. We observe consistent behavior in real multiplexed datasets, where interaction metrics and neighborhood relationships fluctuate substantially across individual sections. To support sparse 3D analysis in practice, we present a reconstruction approach that links cell projections across adjacent sections using phenotype and proximity constraints and recovers single-cell 3D centroids using cell-type-specific shape priors. We further analyze the trade-off between section spacing, coverage, and redundancy, identifying acquisition regimes that maximize reconstruction utility under fixed imaging budgets. We validate the reconstruction module on a public imaging mass cytometry dataset with dense axial sampling and demonstrate its downstream utility on an in-house CODEX dataset by enabling structure-level 3D analyses that are unreliable in 2D. Together, our results provide diagnostic tools and practical guidance for deciding when 2D sampling suffices and when sparse 3D reconstruction is warranted.
• Abstract（参考訳）: 高多重顕微鏡は、単一細胞の分解能で組織を豊かな空間的特徴付けを可能にするが、ほとんどの分析は、本質的に3次元の組織組織であるにもかかわらず、2次元の断面に依存している。 空間プロテオミクスで高密度の体積データを取得することはコストと技術的に困難であり、実践者は限られた画像予算の下で2Dセクションまたは3Dシリアルセクションを選択する必要がある。 本研究では, サンプリング幾何が空間統計の安定性にどのように影響するかを考察し, 直列断面からのスパースで一貫した3次元解析を可能にする幾何認識再構成モジュールを提案する。 制御されたシミュレーションにより, 平面サンプリングはグローバルな細胞タイプの存在量を確実に回復するが, 細胞クラスタリングや細胞-細胞相互作用などの局所的な統計量, 特に希少あるいは空間的に局在した個体群に対して高いばらつきを示す。 実多重データセットにおける一貫した振る舞いを観察し、相互作用のメトリクスと近傍の関係は個々のセクション間で大きく変動する。 そこで本研究では,表現型および近接制約を用いて隣接領域の細胞突起を連結し,セル型特異形状を用いた単細胞型3Dセンタロイドを復元する再構成手法を提案する。 さらに, 画像予算の固定化により, 部分間隔, カバレッジ, 冗長性のトレードオフを解析し, 再生ユーティリティを最大化する買収体制を同定する。 本研究では,2次元では信頼性の低い構造レベルの3次元解析を可能にすることで,高密度なX線サンプリングによる公開画像質量サイトメトリーデータセット上の再構成モジュールの有効性を検証し,社内のCODEXデータセット上でのダウンストリームの有用性を実証する。 本研究は,2次元サンプリングが適切で,スパース3次元再構成が保証される時期を決定するための診断ツールと実践的ガイダンスを提供する。

関連論文リスト

• C3VD-DEFCOL: A Deformable Colonoscopy Dataset with Time-Resolved 3D Ground Truth and Realistic Appearance [2.1290430772503415]
  C3VD-DEFCOL(C3VD-DEFCOL)について述べる。 C3VD-DEFCOLは、変形可能な3D再構成アルゴリズムをテストするための再現可能な定量的評価プラットフォームとして設計されている。
  論文  参考訳（メタデータ） (2026-06-05T22:59:32Z)
• OmniLiDAR: A Unified Diffusion Framework for Multi-Domain 3D LiDAR Generation [100.36917520403227]
  本稿では,8つの代表領域にまたがる共有範囲画像表現において,LiDARスキャンを生成する統一テキスト条件拡散フレームワークを提案する。 パブリックな統合ベンチマークがなければ、実世界のスキャンと物理ベース気象シミュレーションとシステマティックビームリダクションを組み合わせた8ドメインデータセットを構築する。
  論文  参考訳（メタデータ） (2026-05-13T17:42:20Z)
• Holi-Spatial: Evolving Video Streams into Holistic 3D Spatial Intelligence [78.1406635199656]
  Holi-Spatialは、人間の介入なしに生のビデオ入力から構築された、初めて完全に自動化され、大規模で、空間対応のマルチモーダルデータセットである。 Holi-Spatial-4Mは、12K最適化された3DGSシーン、1.3Mの2Dマスク、320Kの3Dバウンディングボックス、320Kのインスタンスキャプション、1.2Mの3Dグラウンドインスタンス、1.2Mの空間QAペアを含む、最初の大規模で高品質な3Dセマンティックデータセットである。
  論文  参考訳（メタデータ） (2026-03-08T14:49:20Z)
• Field imaging framework for morphological characterization of aggregates with computer vision: Algorithms and applications [0.0]
  最先端のアグリゲーションイメージング手法は、十分に制御された条件下では、正規サイズのアグリゲーションにのみ適用可能な制限がある。 この論文は、凝集体のモルフォロジー特性をマルチシナリオ溶液として解析するためのフィールドイメージングの枠組みを開発する。
  論文  参考訳（メタデータ） (2026-03-04T02:21:00Z)
• Structured Spectral Graph Representation Learning for Multi-label Abnormality Analysis from 3D CT Scans [0.0]
  3次元胸部CTスキャンのマルチラベル分類は依然として重要な課題である。 3次元畳み込みニューラルネットワークに基づく既存の手法は、長距離依存を捉えるのに苦労する。 本稿では3次元CTボリュームを構造化グラフとして表現するグラフベースの新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-12T19:49:51Z)
• TRELLIS-Enhanced Surface Features for Comprehensive Intracranial Aneurysm Analysis [2.624902795082451]
  頭蓋内大動脈瘤は, 注釈付き3Dデータによる検出, デライン化, モデル化が困難である。 本稿では,大規模非医学的3次元データセットに基づいて学習した生成モデルTRELLISで学習した潜在幾何学的埋め込みを利用したクロスドメイン特徴伝達手法を提案する。
  論文  参考訳（メタデータ） (2025-09-03T07:51:17Z)
• VortSDF: 3D Modeling with Centroidal Voronoi Tesselation on Signed Distance Field [5.573454319150408]
  四面体グリッド上での3次元形状特性を推定するために,明示的なSDFフィールドと浅いカラーネットワークを組み合わせた体積最適化フレームワークを提案する。 Chamfer統計による実験結果は、オブジェクト、オープンシーン、人間などの様々なシナリオにおいて、前例のない復元品質でこのアプローチを検証する。
  論文  参考訳（メタデータ） (2024-07-29T09:46:39Z)
• Towards Unified 3D Object Detection via Algorithm and Data Unification [70.27631528933482]
  我々は、最初の統一型マルチモーダル3Dオブジェクト検出ベンチマークMM-Omni3Dを構築し、上記のモノクロ検出器をマルチモーダルバージョンに拡張する。 設計した単分子・多モード検出器をそれぞれUniMODEとMM-UniMODEと命名した。
  論文  参考訳（メタデータ） (2024-02-28T18:59:31Z)
• On the Localization of Ultrasound Image Slices within Point Distribution Models [84.27083443424408]
  甲状腺疾患は高分解能超音波(US)で診断されることが多い 縦断追跡は病理甲状腺形態の変化をモニタリングするための重要な診断プロトコルである。 3次元形状表現におけるUS画像の自動スライスローカライズのためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-01T10:10:46Z)
• 3D Reconstruction of Curvilinear Structures with Stereo Matching DeepConvolutional Neural Networks [52.710012864395246]
  本稿では,立体対における曲線構造の検出とマッチングのための完全自動パイプラインを提案する。 主に、TEM画像のステレオ対から転位を3次元再構成することに焦点を当てる。
  論文  参考訳（メタデータ） (2021-10-14T23:05:47Z)
• Cylindrical and Asymmetrical 3D Convolution Networks for LiDAR-based Perception [122.53774221136193]
  運転時のLiDARに基づく認識のための最先端の手法は、しばしば点雲を2D空間に投影し、2D畳み込みによって処理する。 自然な対策として、3Dボクセル化と3D畳み込みネットワークを利用する方法がある。 本研究では,3次元幾何学的パターンを探索するために,円筒状分割と非対称な3次元畳み込みネットワークを設計する,屋外LiDARセグメンテーションのための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-09-12T06:25:11Z)
• Reinforced Axial Refinement Network for Monocular 3D Object Detection [160.34246529816085]
  モノクロ3次元物体検出は、2次元入力画像から物体の位置と特性を抽出することを目的としている。 従来のアプローチでは、空間から3D境界ボックスをサンプリングし、対象オブジェクトと各オブジェクトの関係を推定するが、有効サンプルの確率は3D空間で比較的小さい。 我々は,まず最初の予測から始めて,各ステップで1つの3dパラメータだけを変えて,基礎的真理に向けて徐々に洗練することを提案する。 これは、いくつかのステップの後に報酬を得るポリシーを設計する必要があるため、最適化するために強化学習を採用します。
  論文  参考訳（メタデータ） (2020-08-31T17:10:48Z)

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。