Fugu-MT 論文翻訳(概要): Automated Neuron Shape Analysis from Electron Microscopy

論文の概要: Automated Neuron Shape Analysis from Electron Microscopy

arxiv url: http://arxiv.org/abs/2006.00100v1
Date: Fri, 29 May 2020 22:19:00 GMT
ステータス: 処理完了
システム内更新日: 2022-11-26 23:41:10.310252
Title: Automated Neuron Shape Analysis from Electron Microscopy
Title（参考訳）: 電子顕微鏡によるニューロン形状自動解析
Authors: Sharmishtaa Seshamani, Leila Elabbady, Casey Schneider-Mizell, Gayathri Mahalingam, Sven Dorkenwald, Agnes Bodor, Thomas Macrina, Daniel Bumbarger, JoAnn Buchanan, Marc Takeno, Wenjing Yin, Derrick Brittain, Russel Torres, Daniel Kapner, Kisuk lee, Ran Lu, Jinpeng Wu, Nuno daCosta, Clay Reid, Forrest Collman
Abstract要約: 本稿では,EMデータを用いたシナプス後構造に基づくニューロン解析のための完全自動フレームワークを提案する。この処理フレームワークは、形状抽出、オートエンコーダによる表現、形状分布に基づく細胞全体のモデリングと解析を含む。
参考スコア（独自算出の注目度）: 1.8517589712597946
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Morphology based analysis of cell types has been an area of great interest to the neuroscience community for several decades. Recently, high resolution electron microscopy (EM) datasets of the mouse brain have opened up opportunities for data analysis at a level of detail that was previously impossible. These datasets are very large in nature and thus, manual analysis is not a practical solution. Of particular interest are details to the level of post synaptic structures. This paper proposes a fully automated framework for analysis of post-synaptic structure based neuron analysis from EM data. The processing framework involves shape extraction, representation with an autoencoder, and whole cell modeling and analysis based on shape distributions. We apply our novel framework on a dataset of 1031 neurons obtained from imaging a 1mm x 1mm x 40 micrometer volume of the mouse visual cortex and show the strength of our method in clustering and classification of neuronal shapes.
Abstract（参考訳）: 細胞型の形態学的解析は、神経科学コミュニティにとって数十年間大きな関心を寄せてきた。近年、マウス脳の高分解能電子顕微鏡(EM)データセットは、これまで不可能だった詳細レベルでデータ解析の機会を開放している。これらのデータセットは本質的に非常に大きいため、手動分析は実用的な解決策ではない。特に興味深いのは、シナプス後構造のレベルの詳細である。本稿では,emデータを用いたシナプス後構造に基づくニューロン解析の完全自動化フレームワークを提案する。処理フレームワークは、形状抽出、オートエンコーダによる表現、および形状分布に基づく全セルモデリングおよび解析を含む。我々は,マウス視覚野の1mm x 1mm x 40マイクロメートルの体積を撮像して得られた1031ニューロンのデータセットに適用し,脳の形状のクラスタリングと分類における手法の強さを示す。

関連論文リスト

Segment Anything for Dendrites from Electron Microscopy [36.25707481854301]
EM画像中のデンドライトのインタラクティブかつ自動セグメンテーションのためのセグメンテーションに基づく視覚基盤モデルであるデンドライトSAMを提案する。このモデルは、健康な海馬ラットの高分解能EMデータに基づいて訓練され、病気のラットとヒトのデータで試験される。
論文参考訳（メタデータ） (2024-11-04T19:54:26Z)
FISBe: A real-world benchmark dataset for instance segmentation of long-range thin filamentous structures [4.9246627979592725]
神経系の体積光顕微鏡画像におけるニューロンのセグメンテーションは、神経科学における画期的な研究を可能にする。しかし、マルチニューロン光顕微鏡のデータは、インスタンスセグメンテーションのタスクにとって非常に難しい特性を示している。私たちはFlyLight Instance Benchmark(FISBe)データセットをリリースしました。
論文参考訳（メタデータ） (2024-03-29T19:51:34Z)
Learning Multimodal Volumetric Features for Large-Scale Neuron Tracing [72.45257414889478]
オーバーセグメントニューロン間の接続を予測し,人間の作業量を削減することを目的としている。最初はFlyTracingという名前のデータセットを構築しました。本稿では,高密度なボリュームEM画像の埋め込みを生成するための,新しい接続性を考慮したコントラスト学習手法を提案する。
論文参考訳（メタデータ） (2024-01-05T19:45:12Z)
The Expressive Leaky Memory Neuron: an Efficient and Expressive Phenomenological Neuron Model Can Solve Long-Horizon Tasks [64.08042492426992]
本稿では,脳皮質ニューロンの生物学的モデルであるExpressive Memory(ELM)ニューロンモデルを紹介する。 ELMニューロンは、上記の入力-出力関係を1万以下のトレーニング可能なパラメータと正確に一致させることができる。本稿では,Long Range Arena(LRA)データセットなど,時間構造を必要とするタスクで評価する。
論文参考訳（メタデータ） (2023-06-14T13:34:13Z)
Cortical analysis of heterogeneous clinical brain MRI scans for large-scale neuroimaging studies [2.930354460501359]
皮質の表面分析は、例えば、皮質登録、パーセル化、厚さ推定など、MRIによるヒトの神経イメージングにおいてユビキタスである。臨床脳MRI検査における大脳皮質再建, 登録, パーセレーション, 厚み推定法について検討した。
論文参考訳（メタデータ） (2023-05-02T23:36:06Z)
Robust machine learning segmentation for large-scale analysis of heterogeneous clinical brain MRI datasets [1.0499611180329802]
異種臨床データセットの堅牢な解析を可能にするAIセグメンテーションスイートであるSynthSeg+を提案する。具体的には、全脳セグメンテーションに加えて、SynthSeg+は皮質パーセレーション、頭蓋内体積推定、欠陥セグメンテーションの自動検出も行う。われわれはSynthSeg+を14,000スキャンの老化研究を含む7つの実験で実証し、より高品質なデータで観測された萎縮パターンを正確に再現した。
論文参考訳（メタデータ） (2022-09-05T16:09:24Z)
Learning multi-scale functional representations of proteins from single-cell microscopy data [77.34726150561087]
局所化分類に基づいて訓練された単純な畳み込みネットワークは、多様な機能情報をカプセル化したタンパク質表現を学習できることを示す。また,生物機能の異なるスケールでタンパク質表現の質を評価するためのロバストな評価戦略を提案する。
論文参考訳（メタデータ） (2022-05-24T00:00:07Z)
Self-Supervised Graph Representation Learning for Neuronal Morphologies [75.38832711445421]
ラベルのないデータセットから3次元神経形態の低次元表現を学習するためのデータ駆動型アプローチであるGraphDINOを提案する。 2つの異なる種と複数の脳領域において、この方法では、専門家による手動の特徴に基づく分類と同程度に形態学的細胞型クラスタリングが得られることを示す。提案手法は,大規模データセットにおける新しい形態的特徴や細胞型の発見を可能にする可能性がある。
論文参考訳（メタデータ） (2021-12-23T12:17:47Z)
Towards an Automatic Analysis of CHO-K1 Suspension Growth in Microfluidic Single-cell Cultivation [63.94623495501023]
我々は、人間の力で抽象化されたニューラルネットワークをデータレベルで注入できる新しい機械学習アーキテクチャを提案する。具体的には、自然データと合成データに基づいて生成モデルを同時に訓練し、細胞数などの対象変数を確実に推定できる共有表現を学習する。
論文参考訳（メタデータ） (2020-10-20T08:36:51Z)
Deep Representational Similarity Learning for analyzing neural signatures in task-based fMRI dataset [81.02949933048332]
本稿では、表現類似度分析(RSA)の深部拡張であるDRSL(Deep Representational similarity Learning)を開発する。 DRSLは、多数の被験者を持つfMRIデータセットにおける様々な認知タスク間の類似性を分析するのに適している。
論文参考訳（メタデータ） (2020-09-28T18:30:14Z)
Detection and skeletonization of single neurons and tracer injections using topological methods [9.924165812093694]
脳画像データから個々のニューロンの木の骨格を抽出するための離散モース理論(DM)の手法を紹介する。ニューロンの個々の骨格化には、最先端の非トポロジー法よりもかなりの性能向上が得られる。トレーサインジェクションのコンセンサスツリーの要約には、地域接続行列情報が含まれている。
論文参考訳（メタデータ） (2020-03-20T20:58:38Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。