論文の概要: Decentralized Direct Volume Rendering: A Browser-Native GPU Architecture for MRI Digital Twins in Resource-Constrained Settings
- arxiv url: http://arxiv.org/abs/2605.19737v1
- Date: Tue, 19 May 2026 12:09:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-21 01:01:02.813388
- Title: Decentralized Direct Volume Rendering: A Browser-Native GPU Architecture for MRI Digital Twins in Resource-Constrained Settings
- Title（参考訳）: 分散直接ボリュームレンダリング:資源制約設定におけるMRIデジタル双対のためのブラウザネイティブGPUアーキテクチャ
- Authors: Oserebameh Augustine Beckley,
- Abstract要約: デジタルツイン(DT)技術は、手術計画とパーソナライズドメディカルな医療にとって大きな可能性を秘めている。
現在、対話的で患者固有の解剖学的双生児を生成するには、計算的に重いサーバーサイドレンダリング(SSR)や高価なローカルワークステーションに頼っている。
本稿では、高忠実な解剖学的デジタルツインへのアクセスを民主化する分散クライアントサイドWebGPUアーキテクチャを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Digital Twin (DT) technology holds immense potential for surgical planning and personalized medicine. However, generating interactive, patient-specific anatomical twins currently relies on computationally heavy Server-Side Rendering (SSR) or expensive local workstations, creating significant barriers to deployment, especially in resource-constrained settings (RCS). This paper presents a decentralized, client-side WebGPU architecture that democratizes access to high-fidelity anatomical Digital Twins. By bypassing standard server-side rendering pipelines, the framework executes deterministic single-pass raymarching and morphological gradient calculations directly on low-cost integrated edge GPUs. Eliminating the network latency inherent to cloud-rendered solutions, the system achieves a Time to First Pixel (TTFP) of under 920.0ms and maintains stable interactivity at >= 82.0 FPS. Continuous Interaction Fidelity is maintained via uniform buffers, enabling zero-latency manipulation of tissue parameters for dynamic clinical decision-making. By proving that complex 3D medical simulations of patient-specific MRI scan can be executed natively in the browser without deep learning or external computational dependencies, this architecture provides a scalable, affordable foundation for the widespread clinical adoption of healthcare Digital Twins.
- Abstract（参考訳）: デジタルツイン(DT)技術は、手術計画とパーソナライズドメディカルな医療にとって大きな可能性を秘めている。
しかし、現在、対話的で患者固有の解剖学的双生児を生成するには、計算的に重いサーバーサイドレンダリング(SSR)や高価なローカルワークステーションを頼りにしており、特にリソース制約された設定(RCS)において、デプロイメントに重大な障壁を生み出している。
本稿では、高忠実な解剖学的デジタルツインへのアクセスを民主化する分散クライアントサイドWebGPUアーキテクチャを提案する。
標準的なサーバサイドレンダリングパイプラインをバイパスすることにより、このフレームワークは、低コストの統合エッジGPU上で決定論的単一パスレイマーチとモルフォロジー勾配計算を直接実行する。
クラウドレンダリングソリューションに固有のネットワーク遅延を排除し、920.0ms未満のTime to First Pixel(TTFP)を実現し、>=82.0 FPSで安定した対話性を維持する。
連続的相互作用の忠実度は均一なバッファを通して維持され、動的臨床的意思決定のための組織パラメータのゼロレイテンシ操作を可能にする。
患者固有のMRIスキャンの複雑な3D医療シミュレーションが、ディープラーニングや外部の計算依存なしにブラウザ上でネイティブに実行可能であることを証明することで、このアーキテクチャは、医療用Digital Twinsを広く採用するための、スケーラブルで安価な基盤を提供する。
関連論文リスト
- phys-MCP: A Control Plane for Heterogeneous Physical Neural Networks [1.8250157298114644]
物理ニューラルネットワークは計算を直接材料力学に埋め込む。
エッジコンピューティング、特に極端エッジでは魅力的です。
本稿では,PNNの基板認識アーキテクチャであるphys-MCPについて述べる。
論文 参考訳（メタデータ） (2026-05-05T19:48:19Z) - DexWorldModel: Causal Latent World Modeling towards Automated Learning of Embodied Tasks [54.32016216994156]
本稿では,DINOv3特徴を生成対象として用い,視覚ノイズから相互作用意味を乱す因果潜在世界モデル(CLWM)を提案する。
メモリスケーリングを克服するため、CLWMはDual-State Test-Time Training (TTT)メモリを備えている。
EmbodiChainは、トレーニング中に物理基底軌道の無限の流れを注入することによって効率法を確立するオンラインフレームワークである。
論文 参考訳（メタデータ） (2026-04-13T03:19:36Z) - Graph Neural Operator Towards Edge Deployability and Portability for Sparse-to-Dense, Real-Time Virtual Sensing on Irregular Grids [3.7655803383628474]
本稿では不規則なジオメトリ上でのスパース・ツー・ディエンス再構成のためのグラフベースのニューラル演算子とメッシュインフォームドグラフ構築のための可変結合アルゴリズムである可変KNN(V-KNN)を紹介する。
VIRSOは推論を計測として再設計し、スケーラビリティの低い従来のグラフベースの方法論のレイテンシと消費電力を伴わずに正確な再構成を提供する。
これらの結果は,資源制約環境におけるリアルタイムセンシングの新たなパラダイムとして,VIRSOのエッジ実現可能性とハードウェアポータビリティを確立した。
論文 参考訳（メタデータ） (2026-04-02T09:14:59Z) - MedPruner: Training-Free Hierarchical Token Pruning for Efficient 3D Medical Image Understanding in Vision-Language Models [59.180043227905294]
MedPrunerは、3次元医用画像の効率的な理解のためのトレーニング不要でモデルに依存しない階層的トークンプレーニングフレームワークである。
我々は、MedPrunerによって、MedGemmaのようなモデルが元の性能を維持したり、超えたりすることが可能であり、ビジュアルトークンの5%以下を維持していることを示す。
論文 参考訳（メタデータ） (2026-03-12T07:37:00Z) - Scalable Generative Game Engine: Breaking the Resolution Wall via Hardware-Algorithm Co-Design [17.941176878609337]
我々は、スケーラブルなTextitHardware-Algorithm共設計フレームワークを導入することにより、生成モデルと高分解能ニューラルネットワークのギャップを埋める。
このシステムは, それぞれ26.4 FPSと48.3 FPSの流体を供給し, 有効遅延は2.7msである。
論文 参考訳（メタデータ） (2026-01-31T08:52:51Z) - CT Scans As Video: Efficient Intracranial Hemorrhage Detection Using Multi-Object Tracking [0.9332987715848716]
本稿では,2次元検出の効率と3次元コンテキストの必要性を両立させる軽量コンピュータビジョンフレームワークを開発する。
計算コストのごく一部で3Dコンテキスト推論を近似することにより,リアルタイム患者優先化のためのスケーラブルなソリューションを提供する。
論文 参考訳（メタデータ） (2026-01-05T19:49:51Z) - Adaptive Mesh-Quantization for Neural PDE Solvers [51.26961483962011]
グラフニューラルネットワークは複雑なジオメトリや境界条件に必要な不規則なメッシュを処理できるが、それでもすべてのノードで一様計算処理を適用できる。
適応メッシュ量子化(Adaptive Mesh Quantization): メッシュノード,エッジ,クラスタ特徴間の空間適応量子化であり,量子化モデルで使用されるビット幅を動的に調整する。
我々は,MP-PDEとGraphViTという2つの最先端モデルと統合して,複数のタスクのパフォーマンスを評価することで,フレームワークの有効性を実証する。
論文 参考訳（メタデータ） (2025-11-23T14:47:24Z) - Towards Digital Twins for Optimal Radioembolization [0.4893896929103368]
放射線塞栓 (Radioembolization) は、肝動脈内に挿入されたカテーテルを介して、放射線マイクロスフィアを腫瘍に伝達する、局所的な肝がん治療である。
複雑な肝動脈解剖、血流の変化、微小粒子輸送の不確実性により、最適化は困難である。
本研究は、高忠実度計算流体力学(CFD)および/または最近の物理インフォームド機械学習アプローチを用いた肝放射線塞栓デジタル双生児の枠組みを概説する。
論文 参考訳（メタデータ） (2025-08-30T00:30:42Z) - FusionLLM: A Decentralized LLM Training System on Geo-distributed GPUs with Adaptive Compression [55.992528247880685]
分散トレーニングは、システム設計と効率に関する重要な課題に直面します。
大規模深層ニューラルネットワーク(DNN)のトレーニング用に設計・実装された分散トレーニングシステムFusionLLMを提案する。
本システムと手法は,収束性を確保しつつ,ベースライン法と比較して1.45～9.39倍の高速化を実現可能であることを示す。
論文 参考訳（メタデータ） (2024-10-16T16:13:19Z) - An Adaptive Device-Edge Co-Inference Framework Based on Soft
Actor-Critic [72.35307086274912]
高次元パラメータモデルと大規模数学的計算は、特にIoT(Internet of Things)デバイスにおける実行効率を制限する。
本稿では,ソフトポリシーの繰り返しによるエフェキシット点,エフェキシット点,エンフェキシット点を生成する離散的(SAC-d)のための新しい深層強化学習(DRL)-ソフトアクタ批判法を提案する。
レイテンシと精度を意識した報酬設計に基づいて、そのような計算は動的無線チャンネルや任意の処理のような複雑な環境によく適応でき、5G URLをサポートすることができる。
論文 参考訳（メタデータ） (2022-01-09T09:31:50Z) - Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for
Online Collision Avoidance [95.86944752753564]
本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。
我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。
本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
論文 参考訳（メタデータ） (2020-07-28T07:34:30Z)
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。