Fugu-MT 論文翻訳(概要): Cross-Anatomy Transfer Versus Sparse Interpolation in Digital-Twin-Oriented Aortic Fluid-Structure Interaction Surrogates

論文の概要: Cross-Anatomy Transfer Versus Sparse Interpolation in Digital-Twin-Oriented Aortic Fluid-Structure Interaction Surrogates

arxiv url: http://arxiv.org/abs/2609.16322v1
Date: Mon, 14 Sep 2026 20:37:45 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-16 14:56:08.237611
Title: Cross-Anatomy Transfer Versus Sparse Interpolation in Digital-Twin-Oriented Aortic Fluid-Structure Interaction Surrogates
Title（参考訳）: デジタルツイン配向大動脈流体-構造相互作用サロゲートにおける解剖学的交叉スパース補間
Abstract要約: 流体間イオン(FSI)に対する代理的信頼性は、既に採取された表面から独立した解剖学間での移動を区別する必要がある。血管モデルリポジトリから同定された4つのヒト大動脈モデルが再構成された。しかし、この4つの解剖学的コホートは、クロス解剖学が直接構造を超えて価値を付加する証拠を示さない。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Surrogate credibility for fluid-structure interac- tion (FSI) requires distinguishing transfer across independent anatomies from interpolation within an already sampled surface. Four de-identified human aortic models from the Vascular Model Repository were reconstructed into separate lumen and nominal 1.5-mm wall domains and analyzed under matched first-cycle two-way FSI. A geometry-only LightGBM prior, selected by leave-one-anatomy-out development on three anatomies, was zero-shot evaluated on a fourth, then probed with a post-zero- shot sparse field-completion case study over six targets. Zero-shot transfer was poor across all targets. At a five-percent anchor level (203 anchors, 3,852 evaluation nodes), prior-plus-adaptation reached an oscillatory shear index (OSI) R2 of 0.603. However, same-anchor controls tuned only on the three development anatomies were stronger for several outcomes: inverse-distance weighting reached R2 = 0.829 (OSI), 0.617 (peak von Mises stress), 0.676 (mean stress); radial basis function interpolation reached 0.917, 0.714, 0.778. Sparse within-anatomy labels thus support field completion, but this four-anatomy cohort gives no evidence the cross-anatomy prior adds value beyond direct interpolation. We frame this as a first computational stage toward a measurement-linked digital twin: the surrogate/update layer is evaluated here, while larger cohorts, converged FSI, measurable patient-side inputs, and physics-informed learning remain future work, not a claim of a complete clinical twin. Our code, data and computation files are available at https://github. com/ali-nourbakhsh2005/Aortic-FSI-Sparse-Field-Completion
Abstract（参考訳）: 流体構造間イオン(FSI)に対する代理的信頼性は、既にサンプリングされた表面の補間から独立した解剖間の移動を区別する必要がある。血管モデルリポジトリから分離した4つの非同定ヒト大動脈モデルを,1.5mmの壁ドメインと異なるルーメンに再構成し,一致した1サイクル2方向FSIで解析した。 3つの解剖学で1つの解剖学的展開から選択された幾何学のみのLightGBMを4回目でゼロショット評価し、0回目以降のスパース・フィールドコンプリート・ケーススタディを6回目で行った。ゼロショット転送は、すべての目標に対して貧弱であった。アンカーレベルの5パーセント(アンカー203個、評価ノード3,852個)では、事前適応が振動せん断指数(OSI)R2の0.603に達した。逆距離重み付けはR2 = 0.829 (OSI), 0.617 (peak von Mises stress), 0.676 (mean stress), 放射基底関数補間は0.917, 0.714, 0.778に達した。この4つの解剖学的コホートは、解剖学が直接補間を超えて価値を付加する証拠を示さない。ここでは、サロゲート/更新層の評価を行い、より大きなコホート、収束FSI、測定可能な患者側入力、物理インフォームド学習は、完全な臨床双生児の主張ではなく、将来の研究のままである。私たちのコード、データ、計算ファイルはhttps://github.com/で公開されています。 Aortic-FSI-Sparse-Field-Completion.com/ali-nourbakhsh2005/Aortic-FSI-Sparse-Field-Completion

関連論文リスト

Anatomy-Change-Aware Bidirectional Selective State-Space Memory for Clinically Deployed Thoracic Radiotherapy Auto-Contouring [0.6439594960617159]
DAMM-Net++は胸部放射線治療のための2.5Dアーキテクチャである。これはスライス表面の不整合、小さな低コントラストターゲットの系統的故障、ケースごとの信頼性信号の欠如に対処する。平均Diceは0.955、HD95は3.78mmで、低コントラストの臓器のリスクが最も高い。
論文参考訳（メタデータ） (2026-09-11T11:13:06Z)
Architecture-Dependent Causal Transfer of Activation States Across Large Language Models [51.56484100374058]
内部言語アクティベーション状態は、異なる大きな言語モデル間で因果的に転送することができる。生成中に投影された活性化をターゲットモデルに注入すると、統計的に有意で事前登録された因果効果が生じる。現在実装されているLCM間のエンド・ツー・エンドのアクティベーション・ステート・トランスファーは、ユニバーサルではなくアーキテクチャに依存していると結論付けている。
論文参考訳（メタデータ） (2026-08-17T09:53:27Z)
Learning Biomechanically Plausible Human Motion from Sparse Radar Point Clouds [39.56983715336933]
我々は、フルボディの骨格モデルを、エンドツーエンドのトレーニング可能なレーダベースのポーズ推定フレームワークに統合する。生体力学スケルトンをスケールするために、レーダーポイント雲の特徴から被写体比を予測する。動き予測ネットワークは、時間的レーダ列を一般化座標にマッピングし、予測された関節角を3D位置に変換する。
論文参考訳（メタデータ） (2026-08-04T13:20:05Z)
FedCC: A Low-Resource Federated Adaptation of Foundation Models for Robust Corpus Callosum localization in Fetal Ultrasound Images [34.592227505836156]
胎児US画像におけるコーパス・カロサム(CC)の局在化のためのフレームワークであるFedCCを提案する。このフレームワークは凍結したDINOv2バックボーンと軽量なYOLOベースの検出ヘッドを統合している。計算と通信のオーバーヘッドを大幅に減らし、低リソース環境に適したフレームワークとなる。
論文参考訳（メタデータ） (2026-06-30T09:02:13Z)
Parameter-Efficient Adaptation of SAM 3 for Automated ITV Generation from 4DCT Images [0.0]
4次元CT(4DCT)は胸部解剖の完全な呼吸周期を捉えている。現在の内部ターゲットボリューム構成プロセスは、各フェーズを分離し、時間的コヒーレンスを破棄し、フェーズ固有のアーティファクトに脆弱なままにしておく。低ランク適応(LoRA)を介してSegment Anything Model 3(SAM3)にパラメータ効率の良い微調整を適用するフレームワークを提案する。 7つの注釈付きボリュームで、このフレームワークは全データの精度の95%以上を保持し、パイプライン全体は1つのコンシューマグレードのGPUでトレーニングできる。
論文参考訳（メタデータ） (2026-06-14T05:12:57Z)
Cascade Classification of Dermoscopic Images of Skin Neoplasms with Controllable Sensitivity and External Clinical Validation [36.94429692322632]
二段式(悪性/良性)、一段式(良性、MEL、SCC、BCC)、二段式(二段式トリアージ、三段式MEL/SCC/BCC)の3種類を比較した。すべてのモデルはImageNet-pretrained weightsを使用し、オープンなISICアーカイブデータに1つの拡張プロトコルを使用した。 ISIC MILK10kでは、11級の直接分類により平均級感度0.525が得られる。
論文参考訳（メタデータ） (2026-06-11T09:55:57Z)
A Systematic Benchmark of Intraoperative Ultrasound-to-MR Synthesis for Brain Tumour Surgery [0.0]
術中超音波(ioUS)は脳腫瘍手術において多彩で費用対効果が高い。以前の作業のほとんどは、単一のアーキテクチャを独立して評価しています。アーキテクチャパラダイム、推論規則、ダウンストリームタスクエンドポイントにまたがるベンチマークはない。
論文参考訳（メタデータ） (2026-05-30T09:05:24Z)
Linking spatial biology and clinical histology via Haiku [35.723756132708026]
マルチプレクシド免疫蛍光(mIF)を訓練した3モーダルコントラスト学習モデルHaikuについて紹介する。 11種類の臓器にまたがる1,606人の患者から3,218の組織から267万個の空間パッチを採取する。
論文参考訳（メタデータ） (2026-04-30T18:53:32Z)
Differentiable latent structure discovery for interpretable forecasting in clinical time series [38.473526928012724]
連続時間多タスクガウス過程であるStructGPを導入し, 基本的不確かさを保ちながら, 相違構造学習と相違構造学習を組み合わせ, 相互依存の有向非巡回グラフ(DAG)を導出する。 LP-StructGPは,被験者特異的カップリングフィルタとソフトマックスゲーティング機構を用いて,患者間の進行パターンを捉えることで,StructGPを潜在経路に分割し,時間的に変化する軌跡を増大させる。
論文参考訳（メタデータ） (2026-04-30T14:59:50Z)
Neuro-Oracle: A Trajectory-Aware Agentic RAG Framework for Interpretable Epilepsy Surgical Prognosis [4.726777092009554]
トラジェクトリベースの分類器は、シングルポイントのResNet-50ベースラインで0.793に対して0.834から0.905のAUC値を達成する。 i) 3Dシームスコントラストエンコーダを用いたコンパクトな512次元トラジェクトリベクトルへの術前MRI変化の除去、(ii)近辺探索による人口アーカイブからの歴史的に類似した外科的トラジェクトリの検索、(iii)定量化を用いて検索された証拠に基づいた自然言語的予後を合成する3段階のフレームワークであるEmphNeuro-Oracleを提案する。
論文参考訳（メタデータ） (2026-04-10T21:47:25Z)
Explainable Anatomy-Guided AI for Prostate MRI: Foundation Models and In Silico Clinical Trials for Virtual Biopsy-based Risk Assessment [3.5408411348831232]
MRIによる前立腺癌(PCa)のリスク階層化のための,完全に自動化された,解剖学的に指導されたディープラーニングパイプラインを提案する。パイプラインは、前立腺とそのゾーンを軸方向のT2強調MRI上にセグメント化するためのnnU-Netモジュール、オプションの解剖学的先行と臨床データで3Dパッチに微調整されたDiceedPT Swin Transformer基盤モデルに基づく分類モジュール、決定駆動画像領域をローカライズする反ファクトなヒートマップを生成するVAE-GANフレームワークの3つの重要なコンポーネントを統合する。
論文参考訳（メタデータ） (2025-05-23T14:40:09Z)
Time-Varying Coronary Artery Deformation: A Dynamic Skinning Framework for Surgical Training [33.92599418560439]
本研究は, 骨格スキンウェイトを用いた冠状動脈の動的モデリングフレームワークを提案する。外科シミュレーションのリアルタイム性能を維持しつつ, 血管の変形を正確に制御することを目的としている。
論文参考訳（メタデータ） (2025-03-04T02:51:37Z)
Building Brains: Subvolume Recombination for Data Augmentation in Large Vessel Occlusion Detection [56.67577446132946]
この戦略をデータから学ぶためには、標準的なディープラーニングベースのモデルに対して、大規模なトレーニングデータセットが必要である。そこで本研究では, 異なる患者から血管木セグメントを組換えることで, 人工的なトレーニングサンプルを生成する方法を提案する。拡張スキームに則って,タスク固有の入力を入力した3D-DenseNetを用いて,半球間の比較を行う。
論文参考訳（メタデータ） (2022-05-05T10:31:57Z)

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。