Fugu-MT 論文翻訳(概要): Celeganser: Automated Analysis of Nematode Morphology and Age

論文の概要: Celeganser: Automated Analysis of Nematode Morphology and Age

arxiv url: http://arxiv.org/abs/2005.04884v1
Date: Mon, 11 May 2020 06:57:58 GMT
ステータス: 処理完了
システム内更新日: 2022-12-04 20:30:44.283590
Title: Celeganser: Automated Analysis of Nematode Morphology and Age
Title（参考訳）: Celeganser: 線虫の形態と年齢の自動解析
Authors: Linfeng Wang, Shu Kong, Zachary Pincus, Charless Fowlkes
Abstract要約: 我々はC. elegans画像の自動解析のためのパイプラインを提案する。本システムは, ワームを検出, 分割し, ワーム内の各ピクセル位置で体座標を推定する。
参考スコア（独自算出の注目度）: 10.227479910430866
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The nematode Caenorhabditis elegans (C. elegans) serves as an important model organism in a wide variety of biological studies. In this paper we introduce a pipeline for automated analysis of C. elegans imagery for the purpose of studying life-span, health-span and the underlying genetic determinants of aging. Our system detects and segments the worm, and predicts body coordinates at each pixel location inside the worm. These coordinates provide dense correspondence across individual animals to allow for meaningful comparative analysis. We show that a model pre-trained to perform body-coordinate regression extracts rich features that can be used to predict the age of individual worms with high accuracy. This lays the ground for future research in quantifying the relation between organs' physiologic and biochemical state, and individual life/health-span.
Abstract（参考訳）: 線虫Caenorhabditis elegans(C. elegans)は、様々な生物学的研究において重要なモデル生物である。本稿では,老化の要因である生活寿命,健康寿命および遺伝的要因を研究する目的で,c. elegans画像の自動解析を行うパイプラインを提案する。本システムは, ワームを検出, 分割し, ワーム内の各ピクセル位置で体座標を推定する。これらの座標は個々の動物間の密接な対応を提供し、有意義な比較分析を可能にする。体座標回帰を行うために事前訓練されたモデルは、個々のワームの年齢を高精度に予測できる豊富な特徴を抽出する。これは、臓器の生理的および生化学的状態と個々の生命/健康-スパンの関係を定量化する将来の研究の基盤となる。

関連論文リスト

ConUNETR: A Conditional Transformer Network for 3D Micro-CT Embryonic Cartilage Segmentation [13.497950682194704]
本研究では, 形態学的に多様な情報を条件付き機構で蒸留するトランスフォーマーを用いた新しいセグメンテーションモデルを提案する。実験では,他の競合セグメンテーションモデルと比較して,新しいモデルの優位性を示した。
論文参考訳（メタデータ） (2024-02-06T04:30:49Z)
Tertiary Lymphoid Structures Generation through Graph-based Diffusion [54.37503714313661]
本研究では,最先端のグラフベース拡散モデルを用いて生物学的に意味のある細胞グラフを生成する。本研究では, グラフ拡散モデルを用いて, 3次リンパ構造(TLS)の分布を正確に学習できることを示す。
論文参考訳（メタデータ） (2023-10-10T14:37:17Z)
SegmentAnything helps microscopy images based automatic and quantitative organoid detection and analysis [2.9074136720945356]
オルガノイド(Organoids)は、生体組織や臓器のアーキテクチャや機能を忠実に模倣する、自己組織化された3D細胞クラスターである。最近の顕微鏡技術は、オルガノイドの形態的特徴を取得する強力なツールを提供するが、手動画像解析は依然として手間と時間を要するプロセスである。本稿では、SegmentAnythingを利用して個々のオルガノイドを正確に分離する顕微鏡解析のための包括的パイプラインを提案する。
論文参考訳（メタデータ） (2023-09-08T08:03:42Z)
Phylogeny-informed fitness estimation [58.720142291102135]
本研究では, 住民の健康評価を推定するために, フィロジェニーを利用した適合度推定手法を提案する。以上の結果から, 植物性インフォームドフィットネス推定は, ダウンサンプドレキシケースの欠点を軽減することが示唆された。この研究は、ランタイム系統解析を利用して進化アルゴリズムを改善するための最初のステップとなる。
論文参考訳（メタデータ） (2023-06-06T19:05:01Z)
The scaling of goals via homeostasis: an evolutionary simulation, experiment and analysis [0.0]
本研究では, 形態形成過程における細胞の集合的知能を, ホメオスタティックプロセスの中心における目標状態をスケールアップすることによって, 行動知能に転換することを提案する。これらの創発性形態形成因子は、その標的形態学を達成するために応力伝播ダイナミクスの使用を含む、多くの予測された特徴を示す。本研究では, 進化が最小目標指向行動(ホメオスタティックループ)をどのように高次問題解決剤に拡大するかを, 定量的に把握するための第一歩として提案する。
論文参考訳（メタデータ） (2022-11-15T21:48:44Z)
Interpretable Single-Cell Set Classification with Kernel Mean Embeddings [14.686560033030101]
Kernel Mean Embeddingは、各プロファイルされた生物学的サンプルの細胞景観をエンコードする。簡単な線形分類器を訓練し、3つのフローおよび質量データセットの最先端の分類精度を実現する。
論文参考訳（メタデータ） (2022-01-18T21:40:36Z)
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)
Deep Low-Shot Learning for Biological Image Classification and Visualization from Limited Training Samples [52.549928980694695]
In situ hybridization (ISH) gene expression pattern image from the same developmental stage。正確な段階のトレーニングデータをラベル付けするのは、生物学者にとっても非常に時間がかかる。限られた訓練画像を用いてISH画像を正確に分類する2段階の低ショット学習フレームワークを提案する。
論文参考訳（メタデータ） (2020-10-20T06:06:06Z)
Predictive Modeling of Anatomy with Genetic and Clinical Data [18.062331119075928]
本報告では, 患者の解剖学的変化を予測するための半パラメトリック・ジェネレーション・モデルについて述べる。我々は、個体群全体の回帰と、個々の遺伝的および臨床的指標に基づく被験者の健康の非パラメトリックモデルを組み合わせることで、解剖学的変化を捉えた。
論文参考訳（メタデータ） (2020-10-09T18:30:15Z)
Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype Prediction [55.94378672172967]
本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
論文参考訳（メタデータ） (2020-09-02T02:50:30Z)
1-D Convlutional Neural Networks for the Analysis of Pupil Size Variations in Scotopic Conditions [79.71065005161566]
1次元畳み込みニューラルネットワークモデルは、短距離配列の分類のために訓練されている。モデルは、ホールドアウトテストセット上で、高い平均精度で予測を提供する。
論文参考訳（メタデータ） (2020-02-06T17:25:37Z)

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。