Graph Neural Network-enabled Terahertz-based Flow-guided Nanoscale Localization

要約

ナノテクノロジーと先端材料における科学の進歩により、体内精密医療のためのナノスケールデバイスへの道が開かれています。
統合されたセンシング、コンピューティング、通信、データ、およびエネルギー貯蔵機能で構成されます。
人間の心臓血管系では、このようなデバイスは受動的に流れ、診断上の関心のある事象を検出するために継続的に感知することが想定されています。
このようなイベントを検出する診断上の価値は、それらの物理的位置 (身体部位など) をイベントに割り当てることで高めることができます。これは、フローガイドによる位置特定の主な提案です。
現在のフローガイドによる位置特定アプローチは、位置特定精度が低いという欠点があり、設計上、心臓血管系全体内のイベントの位置を特定することができません。
この問題に対処するために、私たちはこの目的のためのグラフ ニューラル ネットワーク (GNN) の利用を提案し、既存の最先端 (SotA) アプローチよりも私たちの提案の位置特定精度とカバレッジの強化を実証します。
私たちの評価に基づいて、GNN 対応のフローガイドによるローカリゼーションのためのいくつかの設計ガイドラインを提供します。

要約(オリジナル)

Scientific advancements in nanotechnology and advanced materials are paving the way toward nanoscale devices for in-body precision medicine; comprising integrated sensing, computing, communication, data and energy storage capabilities. In the human cardiovascular system, such devices are envisioned to be passively flowing and continuously sensing for detecting events of diagnostic interest. The diagnostic value of detecting such events can be enhanced by assigning to them their physical locations (e.g., body region), which is the main proposition of flow-guided localization. Current flow-guided localization approaches suffer from low localization accuracy and they are by-design unable to localize events within the entire cardiovascular system. Toward addressing this issue, we propose the utilization of Graph Neural Networks (GNNs) for this purpose, and demonstrate localization accuracy and coverage enhancements of our proposal over the existing State of the Art (SotA) approaches. Based on our evaluation, we provide several design guidelines for GNN-enabled flow-guided localization.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google