Fugu-MT 論文翻訳(概要): Head and Tail Localization of C. elegans

論文の概要: Head and Tail Localization of C. elegans

arxiv url: http://arxiv.org/abs/2001.03981v1
Date: Sun, 12 Jan 2020 19:18:27 GMT
ステータス: 処理完了
システム内更新日: 2023-01-12 04:48:06.420065
Title: Head and Tail Localization of C. elegans
Title（参考訳）: 線虫c. elegansの頭と尾の局在
Authors: Mansi Ranjit Mane, Aniket Anand Deshmukh, Adam J. Iliff
Abstract要約: 画像中のワームの頭部と尾の両方を局在させるニューラルネットワークによるアプローチを実証する。 C. elegansの行動分析のためのオープンソースの機械学習ベースのソリューションを再現可能な論文で実証的な結果を得るため、コードも公開しています。
参考スコア（独自算出の注目度）: 4.358626952482687
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: C. elegans is commonly used in neuroscience for behaviour analysis because of it's compact nervous system with well-described connectivity. Localizing the animal and distinguishing between its head and tail are important tasks to track the worm during behavioural assays and to perform quantitative analyses. We demonstrate a neural network based approach to localize both the head and the tail of the worm in an image. To make empirical results in the paper reproducible and promote open source machine learning based solutions for C. elegans behavioural analysis, we also make our code publicly available.
Abstract（参考訳）: C. elegans は神経科学で行動分析によく用いられるが、これは神経系が小さく、接続性も良好であるためである。動物を局在させ、頭と尾を区別することは、行動測定中にワームを追跡する重要なタスクであり、定量分析を行う。画像中のワームの頭部と尾の両方を局在化するためのニューラルネットワークによるアプローチを示す。 C. elegansの行動分析のためのオープンソースの機械学習ベースのソリューションを再現可能な論文で実証的な結果を得るために、コードを公開する。

関連論文リスト

Targeted Cause Discovery with Data-Driven Learning [66.86881771339145]
本稿では,観測結果から対象変数の因果変数を推定する機械学習手法を提案する。我々は、シミュレートされたデータの教師あり学習を通じて因果関係を特定するために訓練されたニューラルネットワークを用いる。大規模遺伝子制御ネットワークにおける因果関係の同定における本手法の有効性を実証した。
論文参考訳（メタデータ） (2024-08-29T02:21:11Z)
A Self-Supervised Method for Body Part Segmentation and Keypoint Detection of Rat Images [0.0]
実験室ラットの手動ラベル付けの必要性を軽減する方法を提案する。最終システムは、オブジェクトが密閉されている場合でも、例のセグメンテーション、キーポイント検出、およびボディ部分セグメンテーションが可能である。
論文参考訳（メタデータ） (2024-05-07T20:11:07Z)
Picking the Underused Heads: A Network Pruning Perspective of Attention Head Selection for Fusing Dialogue Coreference Information [50.41829484199252]
マルチヘッド自己アテンション機構を持つトランスフォーマーベースのモデルは自然言語処理で広く利用されている。ネットワークプルーニングの観点から,特徴注入のためのアテンションヘッドの選択と操作戦略について検討する。
論文参考訳（メタデータ） (2023-12-15T05:27:24Z)
Revealing Cortical Layers In Histological Brain Images With Self-Supervised Graph Convolutional Networks Applied To Cell-Graphs [0.20971479389679332]
大脳皮質の2次元Nissl染色組織スライスにおける層検出のための自己監督的アプローチを導入する。自己教師付きグラフ畳み込みネットワークは、細胞環境の形態的および構造的特性をコードする細胞埋め込みを生成する。
論文参考訳（メタデータ） (2023-11-26T10:33:36Z)
Robust vertebra identification using simultaneous node and edge predicting Graph Neural Networks [0.0]
U-Netで標準的な予測を取り入れた単純なパイプラインを導入し、続いて1つのグラフニューラルネットワークで脊椎を完全な向きで関連付け、分類する。我々の方法は、正しい体とペダルのランドマークを正確に関連付けることができ、偽陽性を無視し、脊椎を単純で完全に訓練可能なパイプラインで分類することができる。
論文参考訳（メタデータ） (2023-07-27T09:10:27Z)
Data-driven emergence of convolutional structure in neural networks [83.4920717252233]
識別タスクを解くニューラルネットワークが、入力から直接畳み込み構造を学習できることを示す。データモデルを慎重に設計することにより、このパターンの出現は、入力の非ガウス的、高次局所構造によって引き起こされることを示す。
論文参考訳（メタデータ） (2022-02-01T17:11:13Z)
Neuronal Learning Analysis using Cycle-Consistent Adversarial Networks [4.874780144224057]
我々は、-CycleGANと呼ばれる深層生成モデルを用いて、前学習と後学習の神経活動の間の未知のマッピングを学習する。我々は,カルシウム蛍光信号を前処理し,訓練し,評価するためのエンドツーエンドパイプラインを開発し,その結果の深層学習モデルを解釈する手法を開発した。
論文参考訳（メタデータ） (2021-11-25T13:24:19Z)
VICE: Visual Identification and Correction of Neural Circuit Errors [24.106813461993085]
一般的な証明読解は、ピクセルレベルでセグメンテーションエラーを修正するために大きなボリュームを検査することを伴う。本稿では,証明読解を合理化する分析フレームワークの設計と実装について述べる。自動エラー検出とシナプスクラスタリングにより、高度にインタラクティブな3Dビジュアライゼーションによる校正作業を促進します。
論文参考訳（メタデータ） (2021-05-14T14:34:58Z)
Generalized Organ Segmentation by Imitating One-shot Reasoning using Anatomical Correlation [55.1248480381153]
そこで我々は,アノテーション付きオルガンクラスから一般化されたオルガン概念を学習し,その概念を未知のクラスに転送するOrganNetを提案する。そこで,OrganNetは臓器形態の幅広い変化に効果的に抵抗でき,一発分節タスクで最先端の結果が得られることを示す。
論文参考訳（メタデータ） (2021-03-30T13:41:12Z)
An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
論文参考訳（メタデータ） (2020-12-06T18:55:07Z)
Complexity-based speciation and genotype representation for neuroevolution [81.21462458089142]
本稿では、進化するネットワークを隠されたニューロンの数に基づいて種に分類する神経進化の種分化原理を提案する。提案された種分化原理は、種および生態系全体における多様性の促進と保存を目的として設計されたいくつかの技術で採用されている。
論文参考訳（メタデータ） (2020-10-11T06:26:56Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。