ترجمه فارسی مقاله تطبیق محلی‌سازی هدایت‌شده جریان مبتنی بر شبکه عصبی گراف با جریان‌های خون و فعالیت‌های فردی

چکیده

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.

چکیده به فارسی (ترجمه ماشینی)

پیش بینی می شود محلی سازی با هدایت جریان با استفاده از نانودورهای درون بدن در جریان خون برای تشخیص بیماری اولیه ، نظارت مداوم از شرایط بیولوژیکی و درمان هدفمند مفید باشد.Nanodevices اندازه و محدودیت های قدرت که داده های خام نادرست را برای اهداف محلی سازی تولید می کنند.لنگرهای روی بدن این داده ها را دریافت می کنند و از آن برای استخراج مکان های تشخیصی مورد علاقه استفاده می کنند.رویکردهای مختلف یادگیری ماشین (ML) اخیراً برای این کار ارائه شده است ، اما در حال حاضر آنها به جریان مرجع خون یک بیمار در حال استراحت محدود می شوند.به این ترتیب ، آنها قادر به مقابله با تنوع جسمی خون بیماران نیستند و به دلیل تغییر در فعالیت های بیمار ، نمی توانند نظارت مداوم را ارائه دهند.به سمت پرداختن به این موضوعات برای رویکرد محلی سازی جریان فعلی (SOTA) فعلی بر اساس شبکه های عصبی نمودار (GNN) ، ما یک خط لوله برای سازگاری GNN را بر اساس شاخص های فیزیولوژیکی فردی از جمله قد ، وزن و قلب پیشنهاد می کنیمنرخنتایج ما نشان می دهد که سازگاری های پیشنهادی در آشتی دادن تفاوت های فردی بین جریان خون و فعالیت ها مفید است.