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
- 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) - 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) - 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) - Light-Field Microscopy for optical imaging of neuronal activity: when
model-based methods meet data-driven approaches [28.872219458334587]
ニューロンのネットワークがどのように情報を処理するかを理解することは、現代の神経科学における重要な課題の1つである。
光電場顕微鏡(LFM)は、走査型顕微鏡の一種であり、高速3Dイメージングの特に魅力的な候補である。
本稿では,モデルベースおよびデータ駆動型アプローチに焦点をあて,LFMの最先端計算手法に関する包括的調査に着目する。
論文 参考訳(メタデータ) (2021-10-24T20:58:51Z) - 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) - Modeling Shared Responses in Neuroimaging Studies through MultiView ICA [94.31804763196116]
被験者の大規模なコホートを含むグループ研究は、脳機能組織に関する一般的な結論を引き出す上で重要である。
グループ研究のための新しい多視点独立成分分析モデルを提案し、各被験者のデータを共有独立音源と雑音の線形結合としてモデル化する。
まず、fMRIデータを用いて、被験者間の共通音源の同定における感度の向上を示す。
論文 参考訳(メタデータ) (2020-06-11T17:29:53Z) - 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。