論文の概要: Recovering the Imperfect: Cell Segmentation in the Presence of
Dynamically Localized Proteins
- arxiv url: http://arxiv.org/abs/2011.10486v1
- Date: Fri, 20 Nov 2020 16:30:55 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-23 06:07:41.043962
- Title: Recovering the Imperfect: Cell Segmentation in the Presence of
Dynamically Localized Proteins
- Title(参考訳): 動的局在タンパク質の存在下での不完全:細胞分裂の回復
- Authors: \"Ozg\"un \c{C}i\c{c}ek, Yassine Marrakchi, Enoch Boasiako Antwi,
Barbara Di Ventura and Thomas Brox
- Abstract要約: 時間的伝搬と不確実性推定に基づく不完全データの分節化の解を提供する。
本研究では,ヒト胚性腎臓細胞からのデータに対するフレーム・バイ・フレーム・セグメンテーションと時間的伝播に対するこのアプローチの価値を実証する。
- 参考スコア(独自算出の注目度): 31.835275627382497
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Deploying off-the-shelf segmentation networks on biomedical data has become
common practice, yet if structures of interest in an image sequence are visible
only temporarily, existing frame-by-frame methods fail. In this paper, we
provide a solution to segmentation of imperfect data through time based on
temporal propagation and uncertainty estimation. We integrate uncertainty
estimation into Mask R-CNN network and propagate motion-corrected segmentation
masks from frames with low uncertainty to those frames with high uncertainty to
handle temporary loss of signal for segmentation. We demonstrate the value of
this approach over frame-by-frame segmentation and regular temporal propagation
on data from human embryonic kidney (HEK293T) cells transiently transfected
with a fluorescent protein that moves in and out of the nucleus over time. The
method presented here will empower microscopic experiments aimed at
understanding molecular and cellular function.
- Abstract(参考訳): バイオメディカルデータにオフザシェルフセグメンテーションネットワークを配置することは一般的に行われているが、画像シーケンスに対する関心構造が一時的にしか見えない場合、既存のフレーム・バイ・フレーム方式は失敗する。
本稿では,時間的伝搬と不確実性推定に基づく不完全データの分節化の解を提供する。
不確実性推定をマスクr-cnnネットワークに統合し、不確実性の低いフレームから不確実性の高いフレームへ動き補正されたセグメンテーションマスクを伝播させ、セグメンテーションのための信号の一時的な損失に対処する。
ヒト胚腎(hek293t)細胞から得られたデータに対するフレーム毎のセグメンテーションと定期的な時間的伝播に対するこのアプローチの価値を,時間とともに核内を移動・移動する蛍光タンパク質で一過性にトランスフェクトした。
この方法は、分子機能と細胞機能を理解するための顕微鏡実験を強化する。
関連論文リスト
- LGRNet: Local-Global Reciprocal Network for Uterine Fibroid Segmentation in Ultrasound Videos [19.661094457941417]
正常スクリーニングと子宮線維化の早期発見は悪性化の予防に不可欠である。
本稿ではLGRNet(Local-Global Reciprocal Network)を提案する。
論文 参考訳(メタデータ) (2024-07-08T08:06:06Z) - Fuzzy Attention Neural Network to Tackle Discontinuity in Airway
Segmentation [67.19443246236048]
気道セグメンテーションは肺疾患の検査、診断、予後に重要である。
いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。
本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
論文 参考訳(メタデータ) (2022-09-05T16:38:13Z) - Local Spatiotemporal Representation Learning for
Longitudinally-consistent Neuroimage Analysis [7.568469725821069]
本稿では,長手画像に基づいて訓練された画像から画像への局所的・多スケールの時間的表現学習手法を提案する。
微調整中、オブジェクト内相関を利用するために驚くほど単純な自己教師付きセグメンテーション整合規則化を提案する。
これらの改善は、長手神経変性成人と発達期脳MRIの両方で示され、より高いパフォーマンスと長手整合性が得られる。
論文 参考訳(メタデータ) (2022-06-09T05:17:00Z) - Temporal Transductive Inference for Few-Shot Video Object Segmentation [27.140141181513425]
Few-shot Object segmentation (FS-VOS) は、初期訓練中に見えないクラスのラベル付き例を用いて、ビデオフレームのセグメンテーションを目的としている。
我々のアプローチの鍵は、グローバルな時間的制約とローカルな時間的制約の両方を使用することである。
経験的に、我々のモデルは、YouTube-VIS上の組合間の平均交点を2.8%上回る、最先端のメタラーニングアプローチより優れている。
論文 参考訳(メタデータ) (2022-03-27T14:08:30Z) - Recurrence-in-Recurrence Networks for Video Deblurring [58.49075799159015]
最先端のビデオデブロアリング法は、しばしばフレーム間の時間的依存性をモデル化するために、リカレントニューラルネットワークを採用する。
本稿では,短距離メモリの限界に対処する再帰型ネットワークアーキテクチャを提案する。
論文 参考訳(メタデータ) (2022-03-12T11:58:13Z) - Search for temporal cell segmentation robustness in phase-contrast
microscopy videos [31.92922565397439]
本研究では,3次元コラーゲンマトリックスに埋め込まれた癌細胞を分画する深層学習ワークフローを提案する。
また, 癌細胞形態を研究するための幾何学的特徴付け手法を提案する。
2Dセルのセグメンテーションと追跡のための新しいアノテーション付きデータセットと、実験を再現したり、新しい画像処理問題に適応するためのオープンソース実装を導入する。
論文 参考訳(メタデータ) (2021-12-16T12:03:28Z) - Inconsistency-aware Uncertainty Estimation for Semi-supervised Medical
Image Segmentation [92.9634065964963]
我々は、不確実性推定と個別の自己学習戦略に基づいて、新しい半教師付きセグメンテーションモデル、すなわち保守的ラディカルネットワーク(CoraNet)を提案する。
現在の技術と比較すると、ColaNetは優れたパフォーマンスを示しています。
論文 参考訳(メタデータ) (2021-10-17T08:49:33Z) - 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) - Unsupervised Instance Segmentation in Microscopy Images via Panoptic
Domain Adaptation and Task Re-weighting [86.33696045574692]
病理組織像における教師なし核分割のためのCycle Consistency Panoptic Domain Adaptive Mask R-CNN(CyC-PDAM)アーキテクチャを提案する。
まず,合成画像中の補助的な生成物を除去するための核塗布機構を提案する。
第二に、ドメイン識別器を持つセマンティックブランチは、パンプトレベルのドメイン適応を実現するように設計されている。
論文 参考訳(メタデータ) (2020-05-05T11:08:26Z) - Residual-Sparse Fuzzy $C$-Means Clustering Incorporating Morphological
Reconstruction and Wavelet frames [146.63177174491082]
Fuzzy $C$-Means (FCM)アルゴリズムは、形態的再構成操作とタイトウェーブレットフレーム変換を組み込んでいる。
特徴集合とその理想値の間の残差に対して$ell_0$正規化項を付与することにより、改良されたFCMアルゴリズムを提案する。
合成, 医用, カラー画像に対する実験結果から, 提案アルゴリズムは効率的かつ効率的であり, 他のアルゴリズムよりも優れていた。
論文 参考訳(メタデータ) (2020-02-14T10:00:03Z)
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。