LDDMMの確率的補間子：血行動態におけるドメイン不確実性定量化への応用
arXiv stat.ML / 2026/3/31
💬 オピニオンIdeas & Deep AnalysisModels & Research
要点
- 本論文は、LDDMMベースの登録手法により幾何形状間の条件付きドリフトを学習することで、3次元形状の生成モデリングのための条件付き確率的補間子フレームワークを提案する。
- このフレームワークを、引き戻し（pull-back）および押し出し（push-forward）演算子を用いることで、複雑で非直交座標のドメインを扱えるように拡張し、異なるドメイン上で定義された形状および確率変数に対する確率的補間を可能にする。
- 著者らは、本手法を心血管／血行動態シミュレーションに適用し、潜在的な幾何パラメータ（中心線の点および球の半径）に条件付けることで、初期の患者コホートから3次元の大動脈形状を生成する。
- このフレームワークは、データ拡張と、与えられた形状に対する制御された大きさのランダム摂動の両方を支援し、ドメイン不確実性の定量化を目的とする。
- 主な目的は、医用画像のセグメンテーション不確実性が、血行動態バイオマーカーなどの下流の生物医学的推定にどのように伝播するかを定量化することである。
