論文の概要: Microtubule Tracking in Electron Microscopy Volumes

• arxiv url: http://arxiv.org/abs/2009.08371v1
• Date: Thu, 17 Sep 2020 15:37:30 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-17 09:01:22.088389
• Title: Microtubule Tracking in Electron Microscopy Volumes
• Title（参考訳）: 電子顕微鏡ボリュームにおける微小管追跡
• Authors: Nils Eckstein and Julia Buhmann and Matthew Cook and Jan Funke
• Abstract要約: 電子顕微鏡ボリュームにおける微小管追跡法を提案する。 提案手法はまず, 微小管に属する可能性のある粗いボクセルの集合を同定する。 以前の研究と同様に、これらのボクセル間の潜在的なエッジを列挙し、候補グラフで表現する。
• 参考スコア（独自算出の注目度）: 1.760655887384453
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present a method for microtubule tracking in electron microscopy volumes. Our method first identifies a sparse set of voxels that likely belong to microtubules. Similar to prior work, we then enumerate potential edges between these voxels, which we represent in a candidate graph. Tracks of microtubules are found by selecting nodes and edges in the candidate graph by solving a constrained optimization problem incorporating biological priors on microtubule structure. For this, we present a novel integer linear programming formulation, which results in speed-ups of three orders of magnitude and an increase of 53% in accuracy compared to prior art (evaluated on three 1.2 x 4 x 4$\mu$m volumes of Drosophila neural tissue). We also propose a scheme to solve the optimization problem in a block-wise fashion, which allows distributed tracking and is necessary to process very large electron microscopy volumes. Finally, we release a benchmark dataset for microtubule tracking, here used for training, testing and validation, consisting of eight 30 x 1000 x 1000 voxel blocks (1.2 x 4 x 4$\mu$m) of densely annotated microtubules in the CREMI data set (https://github.com/nilsec/micron).
• Abstract（参考訳）: 電子顕微鏡ボリュームにおける微小管追跡法を提案する。 提案手法はまず, 微小管に属する可能性のある粗いボクセルの集合を同定する。 以前の研究と同様に、これらのボクセル間の潜在的なエッジを列挙し、候補グラフで表現する。 微小管構造に生物前処理を組み込んだ制約付き最適化問題を解くことにより、候補グラフのノードとエッジを選択することにより、微小管の軌跡が見つかる。 そこで本研究では,従来の手法に比べて3桁の高速化と53%の精度向上(1.2 x 4 x 4$\mu$mのショウジョウバエ神経組織での評価)を実現する,新しい整数線形計画法を提案する。 また, 分散トラッキングを可能にし, 大規模電子顕微鏡ボリュームの処理に必要となる, ブロックワイズ方式による最適化問題を解く手法を提案する。 最後に、私たちは、CREMIデータセット(https://github.com/nilsec/micron)に、30 x 1000 x 1000 のボクセルブロック (1.2 x 4 x 4$\mu$m) の高密度アノテーションを付加した8つのマイクロチューブブロックからなる、マイクロタブ追跡のためのベンチマークデータセットをリリースする。

関連論文リスト

• CryoFM: A Flow-based Foundation Model for Cryo-EM Densities [50.291974465864364]
  生成モデルとして設計された基礎モデルであるCryoFMについて,高品質密度マップの分布を学習する。 フローマッチングに基づいて構築されたCryoFMは、生物分子密度マップの以前の分布を正確に捉えるために訓練されている。
  論文  参考訳（メタデータ） (2024-10-11T08:53:58Z)
• A Deep Learning Framework for Spatiotemporal Ultrasound Localization Microscopy [4.779980560308821]
  本研究は,高マイクロバブル濃度の超音波取得から高密度血管網を復元するDeep Learningアプローチを提案する。 2光子顕微鏡から分割した現実的なマウス脳微小血管ネットワークは、3次元畳み込みニューラルネットワークのトレーニングに使用された。 3D-CNNのアプローチは、データの一部とインビボでのラット脳獲得を用いて、シリコで検証された。
  論文  参考訳（メタデータ） (2023-10-12T08:58:01Z)
• Fast light-field 3D microscopy with out-of-distribution detection and adaptation through Conditional Normalizing Flows [16.928404625892625]
  リアルタイム3次元蛍光顕微鏡は生物の分析に不可欠である。 そこで我々は,生きた固定化ゼブラフィッシュ神経活動の高速な3次元再構成を行う新しいアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-06-10T10:42:49Z)
• Ultra-low Power Deep Learning-based Monocular Relative Localization Onboard Nano-quadrotors [64.68349896377629]
  この研究は、2つのピアナノドロンのディープニューラルネットワーク(DNN)を介して、単分子の相対的な局所化に対処する、新しい自律的なエンドツーエンドシステムを示す。 超制約ナノドローンプラットフォームに対処するため,データセットの増大,量子化,システム最適化などを含む垂直統合フレームワークを提案する。 実験の結果,DNNは低分解能モノクローム画像のみを用いて最大2mの距離で10cmのターゲットナノドローンを正確に局在させることができることがわかった。
  論文  参考訳（メタデータ） (2023-03-03T14:14:08Z)
• Three-dimensional microstructure generation using generative adversarial neural networks in the context of continuum micromechanics [77.34726150561087]
  本研究は, 三次元マイクロ構造生成に適した生成対向ネットワークを提案する。 軽量アルゴリズムは、明示的な記述子を必要とせずに、単一のmicroCTスキャンから材料の基礎特性を学習することができる。
  論文  参考訳（メタデータ） (2022-05-31T13:26:51Z)
• Direct Molecular Conformation Generation [217.4815525740703]
  本稿では,原子の座標を直接予測する手法を提案する。 提案手法は,4つの公開ベンチマークの最先端結果を実現する。
  論文  参考訳（メタデータ） (2022-02-03T01:01:58Z)
• Accelerating Training and Inference of Graph Neural Networks with Fast Sampling and Pipelining [58.10436813430554]
  グラフニューラルネットワーク(GNN)のミニバッチトレーニングには、多くの計算とデータ移動が必要である。 我々は,分散マルチGPU環境において,近傍サンプリングを用いたミニバッチトレーニングを行うことを支持する。 本稿では,これらのボトルネックを緩和する一連の改良点について述べる。 また,サンプリングによる推論を支援する実験分析を行い,試験精度が実質的に損なわれていないことを示す。
  論文  参考訳（メタデータ） (2021-10-16T02:41:35Z)
• Stochastic Neural Networks for Automatic Cell Tracking in Microscopy Image Sequences of Bacterial Colonies [0.0]
  本稿では,bacilliform菌集団の詳細な増殖動態を定量化する自動解析法について述べる。 本稿では,新たなコスト関数の自動最小化による変形可能セル運動のフレームシーケンス追跡手法を提案する。 emphEの成長ダイナミクスを密接に模倣したシミュレートされた細胞コロニーの記録を用いて、この自動細胞追跡アルゴリズムを検証する。 マイクロ流体トラップの大腸菌。
  論文  参考訳（メタデータ） (2021-04-27T21:24:32Z)
• 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)
• Cell Segmentation and Tracking using CNN-Based Distance Predictions and a Graph-Based Matching Strategy [0.20999222360659608]
  顕微鏡画像における触覚細胞のセグメンテーション法を提案する。 距離マップにインスパイアされた新しい細胞境界の表現を用いることで, 触覚細胞だけでなく, 近接細胞をトレーニングプロセスで利用することができる。 この表現は、特にアノテーションエラーに対して堅牢であり、未表現または未含の細胞型を含むトレーニングデータに含まれる顕微鏡画像のセグメンテーションに対して有望な結果を示す。
  論文  参考訳（メタデータ） (2020-04-03T11:55:28Z)

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。