Tailoring Graph Neural Network-based Flow-guided Localization to Individual Bloodstreams and Activities

要約

血流中の体内ナノデバイスを用いたフロー誘導定位は、疾患の早期発見、生物学的状態の継続的モニタリング、標的治療に有益であると期待されている。ナノデバイスはサイズと電力の制約に直面し、ローカライゼーションを目的とした誤った生データを生成する。オンボディ・アンカーは、このデータを受信し、それを用いて関心のある診断事象の位置を導き出す。最近、このタスクのためにさまざまな機械学習（ML）アプローチが提案されているが、それらは現在のところ、安静にしている患者の参照血流に限定されている。そのため、患者の血流の物理的な多様性に対応できず、個々の患者の活動の変化による継続的なモニタリングを提供することができない。グラフニューラルネットワーク(GNN)に基づく現在の最先端(SotA)血流誘導定位手法のこれらの問題点を解決するために、我々は身長、体重、心拍数を含む個々の生理学的指標に基づくGNN適応のためのパイプラインを提案する。その結果、提案する適応が血流と活動の個人差を調整するのに有効であることを示す。

要約(オリジナル)

Flow-guided localization using in-body nanodevices in the bloodstream is expected to be beneficial for early disease detection, continuous monitoring of biological conditions, and targeted treatment. The nanodevices face size and power constraints that produce erroneous raw data for localization purposes. On-body anchors receive this data, and use it to derive the locations of diagnostic events of interest. Different Machine Learning (ML) approaches have been recently proposed for this task, yet they are currently restricted to a reference bloodstream of a resting patient. As such, they are unable to deal with the physical diversity of patients’ bloodstreams and cannot provide continuous monitoring due to changes in individual patient’s activities. Toward addressing these issues for the current State-of-the-Art (SotA) flow-guided localization approach based on Graph Neural Networks (GNNs), we propose a pipeline for GNN adaptation based on individual physiological indicators including height, weight, and heart rate. Our results indicate that the proposed adaptions are beneficial in reconciling the individual differences between bloodstreams and activities.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL