論文の概要: Limitation of Acyclic Oriented Graphs Matching as Cell Tracking Accuracy Measure when Evaluating Mitosis

• arxiv url: http://arxiv.org/abs/2012.12084v1
• Date: Tue, 22 Dec 2020 15:25:47 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-26 07:16:53.246281
• Title: Limitation of Acyclic Oriented Graphs Matching as Cell Tracking Accuracy Measure when Evaluating Mitosis
• Title（参考訳）: アポトーシス評価における細胞追跡精度測定に適合する非周期配向グラフの限界
• Authors: Ye Chen and Yuankai Huo
• Abstract要約: aogm(acyclic oriented graphs matching)は、セルトラッキングのデファクト標準評価指標として用いられてきた。 本稿では,シミュレーションデータと実細胞追跡データの両方を用いて,AOGMによるミトーシス評価の限界を示す。
• 参考スコア（独自算出の注目度）: 7.076682006232971
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multi-object tracking (MOT) in computer vision and cell tracking in biomedical image analysis are two similar research fields, whose common aim is to achieve instance level object detection/segmentation and associate such objects across different video frames. However, one major difference between these two tasks is that cell tracking also aim to detect mitosis (cell division), which is typically not considered in MOT tasks. Therefore, the acyclic oriented graphs matching (AOGM) has been used as de facto standard evaluation metrics for cell tracking, rather than directly using the evaluation metrics in computer vision, such as multiple object tracking accuracy (MOTA), ID Switches (IDS), ID F1 Score (IDF1) etc. However, based on our experiments, we realized that AOGM did not always function as expected for mitosis events. In this paper, we exhibit the limitations of evaluating mitosis with AOGM using both simulated and real cell tracking data.
• Abstract（参考訳）: コンピュータビジョンにおけるマルチオブジェクト追跡(MOT)とバイオメディカル画像解析におけるセル追跡(英語版)は、2つの類似した研究分野であり、その共通の目的は、インスタンスレベルのオブジェクト検出/セグメンテーションを達成し、それらのオブジェクトを異なるビデオフレーム間で関連付けることである。 しかし、これらの2つのタスクの大きな違いの1つは、細胞追跡が一般的にMOTタスクでは考慮されていないミトーシス(細胞分裂)の検出も目的としていることである。 したがって、多目的追跡精度(MOTA)、IDスイッチ(IDS)、ID F1スコア(IDF1)などのコンピュータビジョンにおける評価指標を直接使用するのではなく、非巡回指向グラフマッチング(AOGM)が、セルトラッキングの事実上の標準評価指標として使用されている。 しかし, 実験の結果, AOGMは常に有意な機能を示しなかった。 本稿では,シミュレーションおよび実細胞追跡データを用いて,AOGMを用いたミトーシス評価の限界を示す。

関連論文リスト

• Trackastra: Transformer-based cell tracking for live-cell microscopy [0.0]
  Trackastraは、単純なトランスフォーマーアーキテクチャを使って、細胞同士の相互関連を学習する汎用的な細胞追跡手法である。 我々の追跡手法は、高度に調整された最先端の細胞追跡アルゴリズムに匹敵する性能を示す。
  論文  参考訳（メタデータ） (2024-05-24T16:44:22Z)
• Towards a Unified Transformer-based Framework for Scene Graph Generation and Human-object Interaction Detection [116.21529970404653]
  本稿では,Transformerアーキテクチャに基づく一段階統一モデルであるSG2HOI+を紹介する。 本手法では,SGGとHOI検出のタスクをシームレスに統一する2つの対話型階層変換器を用いる。 提案手法は最先端のHOI法と比較して競争性能が向上する。
  論文  参考訳（メタデータ） (2023-11-03T07:25:57Z)
• Cell Tracking-by-detection using Elliptical Bounding Boxes [0.0]
  本研究は,古典的トラッキング・バイ・検出パラダイムに基づく新しいアプローチを提案する。 細胞形状を指向性楕円体として近似し、汎用指向性物体検出器を用いて各フレーム内の細胞を識別する。 提案手法は,最先端技術と競合して検出・追跡できることを示す。
  論文  参考訳（メタデータ） (2023-10-07T18:47:17Z)
• DeGPR: Deep Guided Posterior Regularization for Multi-Class Cell Detection and Counting [14.222014969736993]
  マルチクラス細胞検出とカウントは多くの病理診断に必須の課題である。 本稿では,細胞間における識別的特徴の活用を誘導することにより,物体検出を支援するガイド付き後部正則化(DeGPR)を提案する。 2つの公開データセットと、コントリビュートした新しいデータセットであるMuCeD上で、私たちのモデルを検証します。
  論文  参考訳（メタデータ） (2023-04-03T06:25:45Z)
• 3DMODT: Attention-Guided Affinities for Joint Detection & Tracking in 3D Point Clouds [95.54285993019843]
  本稿では,3次元点雲における複数物体の同時検出と追跡手法を提案する。 本モデルでは,複数のフレームを用いた時間情報を利用してオブジェクトを検出し,一つのネットワーク上で追跡する。
  論文  参考訳（メタデータ） (2022-11-01T20:59:38Z)
• End-to-end Tracking with a Multi-query Transformer [96.13468602635082]
  マルチオブジェクトトラッキング(MOT)は、時間とともにシーン内のオブジェクトの位置、外観、アイデンティティを同時に推論する必要がある課題である。 本研究の目的は、トラッキング・バイ・ディテクト・アプローチを超えて、未知のオブジェクト・クラスに対してもよく機能するクラスに依存しないトラッキングへと移行することである。
  論文  参考訳（メタデータ） (2022-10-26T10:19:37Z)
• Unified Transformer Tracker for Object Tracking [58.65901124158068]
  異なるシナリオにおけるトラッキング問題に1つのパラダイムで対処するために,UTT(Unified Transformer Tracker)を提案する。 SOT(Single Object Tracking)とMOT(Multiple Object Tracking)の両方を対象とするトラックトランスフォーマーを開発した。
  論文  参考訳（メタデータ） (2022-03-29T01:38:49Z)
• Persistent Animal Identification Leveraging Non-Visual Markers [71.14999745312626]
  乱雑なホームケージ環境下で各マウスにユニークな識別子を時間をかけて発見し提供することを目的としている。 これは、(i)各マウスの視覚的特徴の区別の欠如、(ii)一定の閉塞を伴うシーンの密閉性のため、非常に難しい問題である。 本手法は, この動物識別問題に対して77%の精度を達成し, 動物が隠れているときの急激な検出を拒否することができる。
  論文  参考訳（メタデータ） (2021-12-13T17:11:32Z)
• Graph Attention Tracking [76.19829750144564]
  汎用オブジェクト追跡のための簡易な目標認識型シームズグラフアテンションネットワークを提案する。 GOT-10k、UAV123、TB-100、LaSOTといった挑戦的なベンチマークの実験は、提案されたSiamGATが最先端のトラッカーよりも優れていることを示した。
  論文  参考訳（メタデータ） (2020-11-23T04:26:45Z)
• 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)
• MPM: Joint Representation of Motion and Position Map for Cell Tracking [10.463365653675694]
  本稿では,検出と関連性の両方を共同で表現する動きと位置のマップ(MPM)を提案する。 セルが検出されると、対応する動きの流れが常に得られるようにコヒーレンスを保証する。 密集環境における多目的追跡のための単純だが強力な手法である。
  論文  参考訳（メタデータ） (2020-02-25T09:06:55Z)

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。