Fugu-MT 論文翻訳(概要): TRACED: In vivo imaging of extracellular intrinsic diffusivity, tortuosity, cell size distribution and cell density in human glioma patients

論文の概要: TRACED: In vivo imaging of extracellular intrinsic diffusivity, tortuosity, cell size distribution and cell density in human glioma patients

arxiv url: http://arxiv.org/abs/2605.02615v1
Date: Mon, 04 May 2026 14:03:48 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-05 20:33:50.320364
Title: TRACED: In vivo imaging of extracellular intrinsic diffusivity, tortuosity, cell size distribution and cell density in human glioma patients
Title（参考訳）: TRACED:ヒトグリオーマ患者における細胞外内在性拡散率、靭性、細胞の大きさ分布および細胞密度のin vivoイメージング
Authors: Joshua K. Marchant, Hong-Hsi Lee, Elizabeth R. Gerstner, Susie Y. Huang, Bruce R. Rosen,
Abstract要約: 細胞分布の拡散時間依存性を組み込んだ生体物理モデルTRACEDを導入し, 固形腫瘍の病理学的特性を定量化する。可変細胞サイズの細胞集団における時間依存性拡散MRI信号の高速計算を可能にするために,球分布に基づく測地を用いてモンテカルロ拡散シミュレーションに基づいて神経ネットワークを訓練した。
参考スコア（独自算出の注目度）: 0.2796197251957245
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The lack of analytical models describing diffusion time dependence at intermediate time scales in complex tissue microstructure limits the accurate quantification of extracellular diffusivity and tissue microstructure. We introduce TRACED, a biophysical model that incorporates diffusion time dependence in cell distributions to quantify pathologically-relevant properties in solid tumors. Neural networks were trained on Monte Carlo diffusion simulations using sphere distribution-based geometries to enable the rapid computation of time-dependent diffusion MRI signals in cell populations of variable cell size. Model sensitivity and fit performance were assessed via simulation. Diffusion data from eight mixed-grade glioma patients was fitted using the TRACED model. Data fitting was performed using a novel physics-informed transfer learning pipeline, Sim2PINN. In two patients, cell size measurements were compared directly with image-localized histology. Simulation results indicate improved parameter estimation compared to the simple two-compartment model. TRACED enabled the simultaneous in vivo quantification of intracellular volume fraction, cell size distribution, extracellular intrinsic diffusivity, and tortuosity in glioma patients. Neural network implementations of diffusion time-dependence and tortuosity showed behavior consistent with coarse-graining and effective medium theory, respectively. Future work will explore the clinical utility of TRACED parameters in additional patients.
Abstract（参考訳）: 複雑な組織組織における中間時間スケールでの拡散時間依存性を記述した解析モデルが欠如していることは、細胞外拡散率と組織ミクロ構造の正確な定量化を制限している。細胞分布の拡散時間依存性を組み込んだ生体物理モデルTRACEDを導入し, 固形腫瘍の病理学的特性を定量化する。可変セルサイズの細胞集団における時間依存性拡散MRI信号の高速計算を可能にするために,球分布に基づく測地を用いたモンテカルロ拡散シミュレーションに基づいてニューラルネットワークを訓練した。モデル感度と適合性能をシミュレーションにより評価した。 TRACEDモデルを用いて8種類の混合グレードグリオーマの拡散データを測定した。物理インフォームドトランスファー学習パイプラインSim2PINNを用いてデータフィッティングを行った。 2例では細胞の大きさを画像局所組織学と直接比較した。シミュレーションの結果,単純な2成分モデルと比較してパラメータ推定が改善した。 TRACEDはグリオーマ患者における細胞内体積分画、細胞の大きさ分布、細胞外内在性拡散率、およびトルティシティの同時定量を可能にした。拡散時間依存性とトルティシティのニューラルネットワークによる実装は,それぞれ粗粒化と有効媒質理論に整合した挙動を示した。今後はTRACEDパラメータの臨床的有用性を検討する。

関連論文リスト

MIOFlow 2.0: A unified framework for inferring cellular stochastic dynamics from single cell and spatial transcriptomics data [47.97758608694957]
We introduced Interpolating Manifold-Transport Flow (MIOFlow) 2.0。この枠組みは、多様体学習、最適輸送、神経微分方程式を統合することにより、生物学的に情報を得た細胞軌道を学習する。合成データセット、胚体分化、空間的に解決されたアクソロトル脳再生で検証される。
論文参考訳（メタデータ） (2026-03-23T20:49:45Z)
Independent Component Discovery in Temporal Count Data [46.526610368455096]
本稿では、時間数データの独立成分分析のための生成フレームワークを導入し、レギュラー適応力学とポアソン対数正規放出を組み合わせた。このモデルは、状態に依存したコントリビューションで絡み合ったコンポーネントを特定し、表現学習と摂動解析を可能にする。
論文参考訳（メタデータ） (2026-01-29T13:30:10Z)
An AI-enabled tool for quantifying overlapping red blood cell sickling dynamics in microfluidic assays [5.577003343220155]
このフレームワークは、AIによるアノテーション、セグメンテーション、分類、インスタンスカウントを統合して、赤血球の集団を定量化する。これは、密封された細胞懸濁液を介して実験的スループットを2倍以上にし、薬物依存的な病的行動を捉え、細胞の形態的進化の機械生物学的特徴を明らかにすることができる。
論文参考訳（メタデータ） (2026-01-25T05:32:53Z)
Consistent Sampling and Simulation: Molecular Dynamics with Energy-Based Diffusion Models [50.77646970127369]
本稿では,Fokker-Planck由来の正規化項を用いたエネルギーベース拡散モデルを提案する。高速折りたたみタンパク質を含む複数の生体分子系をサンプリング・シミュレートし,本手法を実証する。
論文参考訳（メタデータ） (2025-06-20T16:38:29Z)
Continuous Temporal Learning of Probability Distributions via Neural ODEs with Applications in Continuous Glucose Monitoring Data [0.0]
本稿では,連続時間プロセスの進化を捉えたガウス混合に基づく確率モデルを提案する。本研究は,CGM (Continuous glucose monitoring) 時系列を主要な結果として扱う26週間の臨床試験において,本手法の有用性を概説する。
論文参考訳（メタデータ） (2025-05-13T15:57:06Z)
Meta Flow Matching: Integrating Vector Fields on the Wasserstein Manifold [83.18058549195855]
自然科学における複数の過程は、確率密度のワッサーシュタイン多様体上のベクトル場として表さなければならない。特に、疾患の発生とその治療反応が患者固有の細胞の微小環境に依存するパーソナライズド医療において重要である。本稿では,初期個体群上の流れモデルを改善することで,ワッサーシュタイン多様体上のこれらのベクトル場と一体化するためのメタフローマッチング(MFM)を提案する。
論文参考訳（メタデータ） (2024-08-26T20:05:31Z)
Synthetic location trajectory generation using categorical diffusion models [50.809683239937584]
拡散モデル(DPM)は急速に進化し、合成データのシミュレーションにおける主要な生成モデルの一つとなっている。本稿では,個人が訪れた物理的位置を表す変数列である合成個別位置軌跡(ILT)の生成にDPMを用いることを提案する。
論文参考訳（メタデータ） (2024-02-19T15:57:39Z)
Accelerated, physics-inspired inference of skeletal muscle microstructure from diffusion-weighted MRI [0.0]
骨格筋の健康状態の現在の測定は、筋肉機能の仲介において重要な役割を担っている筋肉の微細構造の変化を限定的に考慮している。骨格筋の組織構造の非侵襲的および生体内評価のための,物理に着想を得た機械学習ベースのフレームワークを提案する。
論文参考訳（メタデータ） (2023-06-19T19:01:04Z)
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)
A deep learning driven pseudospectral PCE based FFT homogenization algorithm for complex microstructures [68.8204255655161]
提案手法は,従来の手法よりも高速に評価できる一方で,興味の中心モーメントを予測できることを示す。提案手法は,従来の手法よりも高速に評価できると同時に,興味の中心モーメントを予測できることを示す。
論文参考訳（メタデータ） (2021-10-26T07:02:14Z)

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。