論文の概要: Building artificial intelligence virtual tissue (AIVT) for tissue state representation, feature prediction, and dynamic simulation

• arxiv url: http://arxiv.org/abs/2606.29883v1
• Date: Mon, 29 Jun 2026 07:24:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 18:07:16.09263
• Title: Building artificial intelligence virtual tissue (AIVT) for tissue state representation, feature prediction, and dynamic simulation
• Title（参考訳）: 組織状態表現、特徴予測、動的シミュレーションのための人工知能仮想組織(AIVT)の構築
• Authors: Qiqi Lu, Qianjin Feng, Shaoqun Zeng, Shenghua Cheng,
• Abstract要約: 我々は、健康や病気の組織をモデリングするための空間的マルチモーダルデータに基づくAIフレームワークであるAIVT(AI Virtual tissue)の概念を提案する。 AIVTは組織状態の統一、空間的解決、動的に操作可能な表現を学ぶように設計されている。
• 参考スコア（独自算出の注目度）: 10.384282117841101
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Modeling tissue states and their transitions is essential for understanding tissue homeostasis in health and pathological remodeling in disease. However, conventional computational modeling approaches are inadequate to capture the complexity of tissues as spatially organized, multiscale biological systems. Artificial intelligence (AI) has shown a remarkable ability for representing intricate systems, creating new opportunities to characterize tissue states and their transitions. Here, we propose the concept of AI virtual tissue (AIVT), an AI framework grounded in spatial multimodal data for modeling tissues in health and disease. AIVT is designed to learn unified, spatially resolved, and dynamically manipulatable representations of tissue state, enabling tissue state representation and analysis, molecular and morphological feature prediction, and simulation of spatiotemporal tissue dynamics. We outline the fundamental assumptions, core capabilities, architectural components, as well as data and algorithm foundations of AIVT as a framework for AI-driven tissue modeling.
• Abstract（参考訳）: 組織状態のモデリングとその遷移は、健康における組織ホメオスタシスの理解と疾患における病理学的リモデリングに不可欠である。 しかし、従来の計算モデリング手法では、組織を空間的に組織化し、多スケールの生物学的システムとして捉えるには不十分である。 人工知能(AI)は複雑なシステムを表現し、組織の状態とその遷移を特徴づける新たな機会を生み出している。 本稿では、健康や病気の組織をモデリングするための空間的マルチモーダルデータに基づくAIフレームワークであるAIVT(AI Virtual tissue)の概念を提案する。 AIVTは組織状態の統一、空間的解決、動的操作が可能な表現を学習し、組織状態の表現と解析、分子的および形態学的特徴予測、時空間組織動態のシミュレーションを可能にするように設計されている。 AI駆動組織モデリングのフレームワークとしてAIVTの基本的な前提、コア機能、アーキテクチャコンポーネント、およびデータとアルゴリズムの基礎を概説する。

関連論文リスト

• Towards World Models in Biomedical Research [77.59710966764466]
  我々は,AIによる発見のパラダイムとして,バイオメディカルワールドモデルを提案する。 これらのモデルは、介入条件付き力学とともに、分子、細胞、組織、臨床状態の潜伏表現を学習する。 バイオメディカルワールドモデルは, 仮想細胞, オルガノイド, 仮想患者, 手術シミュレーションなど, データエンジン, 環境シミュレータ, 科学計画基板としてどのように機能するかを論じる。
  論文  参考訳（メタデータ） (2026-06-04T09:28:54Z)
• Digital Twin AI: Opportunities and Challenges from Large Language Models to World Models [95.9909582708447]
  物理的システムの正確なデジタル表現としてのデジタルツインは、受動的シミュレーションツールからインテリジェントで自律的なエンティティへと進化してきた。 本稿では,デジタルツインライフサイクルにおけるAI統合を特徴付ける4段階統合フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-04T01:17:09Z)
• Unleashing the power of computational insights in revealing the complexity of biological systems in the new era of spatial multi-omics [13.748436720425794]
  空間オミクス技術の最近の進歩は、前例のない解像度で生物学的システムを研究する能力に革命をもたらした。 我々は、高度な機械学習アルゴリズムとマルチオミクス統合モデリングが、複雑な生物学的プロセスをどのようにデコードできるかを示す。 精密医療における技術革新と空間オミクスのモデリングの方向性について概説する。
  論文  参考訳（メタデータ） (2025-09-16T07:13:54Z)
• Beyond Imaging: Vision Transformer Digital Twin Surrogates for 3D+T Biological Tissue Dynamics [0.433313790597694]
  Vision Transformer Digital Twin Surrogate Network (VT-DTSN)は、生体組織からの3D+T画像データの予測モデリングのためのディープラーニングフレームワークである。 VT-DTSNはショウジョウバエミガットの高忠実で時間分解されたダイナミクスを再構築することを学ぶ。
  論文  参考訳（メタデータ） (2025-08-21T16:24:24Z)
• AI-powered virtual tissues from spatial proteomics for clinical diagnostics and biomedical discovery [4.608421774700912]
  生体組織のための基盤モデルフレームワークであるVirTuesを,分子,細胞,組織規模で運用する。 VirTuesは、空間次元とマーカー次元の両方をキャプチャする新しいトークン化スキームを含む、トランスフォーマーアーキテクチャ設計の革新を導入している。 ジェネラリストモデルとして、VirTuesは、臨床診断、生物学的発見、患者ケース検索タスクにまたがる既存のアプローチより優れている。
  論文  参考訳（メタデータ） (2025-01-10T15:17:27Z)
• Discrete, compositional, and symbolic representations through attractor dynamics [51.20712945239422]
  我々は,思考の確率的言語(PLoT)に似た認知過程をモデル化するために,アトラクタダイナミクスを記号表現と統合した新しいニューラルシステムモデルを導入する。 我々のモデルは、連続表現空間を、事前定義されたプリミティブに頼るのではなく、教師なし学習を通じて、記号系の意味性と構成性の特徴を反映する、記号列に対応する引き付け状態を持つ離散盆地に分割する。 このアプローチは、認知操作の複雑な双対性を反映したより包括的なモデルを提供する、AIにおける表現力の証明された神経弁別可能な基質であるニューラルダイナミクスを通じて、シンボル処理とサブシンボル処理の両方を統合する統一的なフレームワークを確立する。
  論文  参考訳（メタデータ） (2023-10-03T05:40:56Z)
• Conditional Generative Models for Simulation of EMG During Naturalistic Movements [45.698312905115955]
  本稿では、運動単位活性化電位波形を生成するために、逆向きに訓練された条件付き生成ニューラルネットワークを提案する。 本研究では,より少ない数の数値モデルの出力を高い精度で予測的に補間できることを実証する。
  論文  参考訳（メタデータ） (2022-11-03T14:49:02Z)
• Data-driven generation of plausible tissue geometries for realistic photoacoustic image synthesis [53.65837038435433]
  光音響トモグラフィ(pat)は形態的および機能的組織特性を回復する可能性がある。 我々は,PATデータシミュレーションの新たなアプローチを提案し,これを「シミュレーションの学習」と呼ぶ。 我々は、意味的注釈付き医療画像データに基づいて訓練されたGAN(Generative Adversarial Networks)の概念を活用して、可塑性組織ジオメトリを生成する。
  論文  参考訳（メタデータ） (2021-03-29T11:30:18Z)
• Limited-angle tomographic reconstruction of dense layered objects by dynamical machine learning [68.9515120904028]
  強い散乱準透明物体の有限角トモグラフィーは困難で、非常に不適切な問題である。 このような問題の状況を改善することにより、アーティファクトの削減には、事前の定期化が必要である。 我々は,新しい分割畳み込みゲート再帰ユニット(SC-GRU)をビルディングブロックとして,リカレントニューラルネットワーク(RNN)アーキテクチャを考案した。
  論文  参考訳（メタデータ） (2020-07-21T11:48:22Z)

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。