KCGT-MEM: Interface-Prior Maximum Entropy Reconstruction — Hierarchy, Regime Map, and the Lagged-Diffusivity Estimator (paper, code, and data)
[バージョン 3 で追加]セクション 7.5 (解析バイアス モデル): 1D 定常状態から導出された 3 項の閉形式 分解 Δw/w = B(σ_b,w) + EED 項 + コントラスト項。事前登録された 2 つのホールドアウト検証ラウンド (合計 10 条件) で、モデルの較正ウィンドウ外でのテストが行われます。コントラスト フィードバック活性化閾値 τ = 0.463 (90% CI [0.42, 0.50]) が特定され、ファイン スキャンと w スケーリング実験によって検証されます。有効範囲は σ_b/w ∈ [0.46,1.50]、σ_n ∈ [0.05,0.15]、w ∈ {3,5} px、a₂ ∈ (0,1] に拡張されます。 セクション 7.6 (部分接線拡散): 接線拡散率a₂ は 5 つのファントム条件で 8 つの値にわたって掃引されます (合計 320 回実行)。Kruskal –Wallis 検定により、Δw/w は a₂ に依存しないことが確認されます (シードレベルではすべて p > 0.15)。L3 の充填の改善は、iso-AT と比較して、コントラスト チャネルから 123%、接線拡散から -23% 発生することが示されています。(|Δw/w|、充填) 空間のパレート フロンティアは a₂ で縮退しており、a₂ = 1 はすべての条件でパレート最適です。 付録A:FWHM測定行におけるa₂補正がexp(−120) ≈ 10⁻⁵²(機械 精度で正確)で制限されることを示す正式な導出により、領域拡張の理論的根拠が提供される。 ステップ6 前方検証: a₂ ∈ {0.3, 0.5, 0.4} における 5 つの事前登録条件により、 ドメイン拡張が確認されます (18/18 の基準が合格)。 新しいスクリプト: tensor_anchoring.py、overextension_metrics.py、 pareto_sweep.py、phase1_stationary.py。 新しいデータアーカイブ: phase3_results.npy、branch1_results.npy、threshold_scan.npy、threshold_val.npy、pareto_sweep.npy、step6_results.npy、revised_model_params.npy、および事前登録 レコード branch1_predictions.npy、step6_prereg.npy。 [バージョン 3 で追加] セクション 7.3b: LIDC-IDRI肺結節コホート (患者 11 人、結節 79 人) での実際の CT 検証。新規: 表 7.2、図 7.3、スクリプト lidc_extract.py / lidc_multicase.py、およびデータ アーカイブ lidc_patches.npy / lidc_all_results.pkl。 KCGT-MEM フレームワーク用のソフトウェア、データ、および同人。 このフレームワークは、Mumford-Shah /エッジ強化拡散関数ファミリー(レベルL0~L3)内の最大エンピー法画像再構成にKCGTインターフェース/境界概念を統合したものです。 このリポジトリには、メイン論文と宇宙論に関する留意 点、完全なマッチド比較コード(高速化されたL3ソルバー、フィールドジェネレーター、および実験ドライバー)、シー このバージョンの新機能: 遅延拡散率推定器の自己加速反応を方向チャネルとコントラスト/固有値チャネルに 分解、適用可能なレジームの密サンプリング境界は事前分布ではなく固有値推定器の特性であるという発見 、タスク依存の動作ルール(形態計測的) vs トポロジー的)、および合成医療ファントムへの適用により、固有値 アンカーが連続性ブリッジングを犠牲にしてエントロピーオーバーシュートによる内腔径の過小評価を解消することを示す。シードは固定されているため、すべての比較は ペアになっており、報告されたすべての統計はアーカイブから再計算可能。
Authors
- Kazufumi Kimura (ORCID: https://orcid.org/0009-0003-8344-1062)
Institutions
- Dorn Research Institute (US)
Publication Details
- Journal
- Zenodo (CERN European Organization for Nuclear Research)
- Published
- 2026-06-13
- DOI
- https://doi.org/10.5281/zenodo.20679347
- Primary Topic
- Model Reduction and Neural Networks
- Type
- preprint