論文の概要: Principal component-based image segmentation: a new approach to outline in vitro cell colonies

• arxiv url: http://arxiv.org/abs/2103.06022v1
• Date: Wed, 10 Mar 2021 12:37:51 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-11 14:51:50.976258
• Title: Principal component-based image segmentation: a new approach to outline in vitro cell colonies
• Title（参考訳）: 主成分に基づく画像分割--in vitro細胞コロニーの概説への新しいアプローチ
• Authors: Delmon Arous, Stefan Schrunner, Ingunn Hanson, Nina F.J. Edin, Eirik Malinen
• Abstract要約: 探索されたコロニーを特徴付け,抽出し,セグメンテーションすることで問題を修正するための,客観的かつ多目的な機械学習手法を提案する。 提案するセグメンテーションアルゴリズムは,人間の観察者による手動計測と同様の品質を示した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The in vitro clonogenic assay is a technique to study the ability of a cell to form a colony in a culture dish. By optical imaging, dishes with stained colonies can be scanned and assessed digitally. Identification, segmentation and counting of stained colonies play a vital part in high-throughput screening and quantitative assessment of biological assays. Image processing of such pictured/scanned assays can be affected by image/scan acquisition artifacts like background noise and spatially varying illumination, and contaminants in the suspension medium. Although existing approaches tackle these issues, the segmentation quality requires further improvement, particularly on noisy and low contrast images. In this work, we present an objective and versatile machine learning procedure to amend these issues by characterizing, extracting and segmenting inquired colonies using principal component analysis, k-means clustering and a modified watershed segmentation algorithm. The intention is to automatically identify visible colonies through spatial texture assessment and accordingly discriminate them from background in preparation for successive segmentation. The proposed segmentation algorithm yielded a similar quality as manual counting by human observers. High F1 scores (>0.9) and low root-mean-square errors (around 14%) underlined good agreement with ground truth data. Moreover, it outperformed a recent state-of-the-art method. The methodology will be an important tool in future cancer research applications.
• Abstract（参考訳）: 生体内クローン原性アッセイ(in vitro clonogenic assay)は、培養皿において細胞がコロニーを形成する能力を研究する技術である。 光イメージングにより、染色されたコロニーの皿をデジタルでスキャンして評価することができる。 染色コロニーの同定, 分節化および計数は, 高スループットスクリーニングおよび生物学的アッセイの定量的評価において重要な役割を担っている。 このような画像/スキャンされたアッセイの画像処理は、背景雑音や空間的に異なる照明などの画像/スキャン取得アーティファクトや、懸濁媒体内の汚染物質の影響を受け得る。 既存のアプローチではこれらの問題に対処するが、セグメンテーションの品質は特にノイズや低コントラストの画像でさらに改善する必要がある。 本研究では,主成分分析,k-meansクラスタリング,修正流域分割アルゴリズムを用いて,問合せされたコロニーを特徴付け,抽出,分割することにより,これらの課題を解消するための客観的かつ汎用的な機械学習手法を提案する。 空間的テクスチャアセスメントを通じて目に見えるコロニーを自動的に識別し、連続したセグメンテーションに備えて背景からそれらを判別することを目的としている。 提案するセグメンテーションアルゴリズムは,人間の観察者による手動計測と同様の品質を示した。 高いf1スコア (>0.9) と低いルート平均二乗誤差 (約14%) は、基底真理データと良い一致を示した。 さらに、それは最新の方法よりも優れています。 この方法論は将来のがん研究の応用において重要なツールとなるだろう。

関連論文リスト

• Counterfactuals and Uncertainty-Based Explainable Paradigm for the Automated Detection and Segmentation of Renal Cysts in Computed Tomography Images: A Multi-Center Study [1.83277723272657]
  Routine Computed Tomography (CT)スキャンは、しばしば広範囲の腎嚢胞を検知するが、そのうちのいくつかは悪性である可能性がある。 しかし、現在のセグメンテーション法では、特徴レベルとピクセルレベルで十分な解釈性を提供していない。 我々は、解釈可能なセグメンテーションフレームワークを開発し、多中心データセット上で検証した。
  論文  参考訳（メタデータ） (2024-08-07T14:14:05Z)
• Multi-task Explainable Skin Lesion Classification [54.76511683427566]
  少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。 提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
  論文  参考訳（メタデータ） (2023-10-11T05:49:47Z)
• Rethinking Semi-Supervised Medical Image Segmentation: A Variance-Reduction Perspective [51.70661197256033]
  医用画像セグメンテーションのための階層化グループ理論を用いた半教師付きコントラスト学習フレームワークARCOを提案する。 まず、分散還元推定の概念を用いてARCOを構築することを提案し、特定の分散還元技術が画素/ボクセルレベルのセグメンテーションタスクにおいて特に有用であることを示す。 5つの2D/3D医療データセットと3つのセマンティックセグメンテーションデータセットのラベル設定が異なる8つのベンチマークで、我々のアプローチを実験的に検証する。
  論文  参考訳（メタデータ） (2023-02-03T13:50:25Z)
• Stain-invariant self supervised learning for histopathology image analysis [74.98663573628743]
  乳がんのヘマトキシリンおよびエオシン染色像におけるいくつかの分類課題に対する自己監督アルゴリズムを提案する。 本手法は,いくつかの乳がんデータセット上での最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2022-11-14T18:16:36Z)
• Texture Characterization of Histopathologic Images Using Ecological Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
  本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。 2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
  論文  参考訳（メタデータ） (2022-02-27T02:19:09Z)
• Cross-Site Severity Assessment of COVID-19 from CT Images via Domain Adaptation [64.59521853145368]
  CT画像によるコロナウイルス病2019(COVID-19)の早期かつ正確な重症度評価は,集中治療単位のイベント推定に有効である。 ラベル付きデータを拡張し、分類モデルの一般化能力を向上させるためには、複数のサイトからデータを集約する必要がある。 この課題は、軽度の感染症と重度の感染症の集団不均衡、部位間のドメイン分布の相違、不均一な特徴の存在など、いくつかの課題に直面する。
  論文  参考訳（メタデータ） (2021-09-08T07:56:51Z)
• From augmented microscopy to the topological transformer: a new approach in cell image analysis for Alzheimer's research [0.0]
  細胞画像解析は、細胞機能を抑制するA$beta$タンパク質の存在を検出するために、アルツハイマーの研究において重要である。 Unetは,マルチクラスセマンティックスセグメンテーションの性能を比較することで,拡張顕微鏡に最も適していることがわかった。 我々は,Unetモデルを用いて,光電場画像中の原子核を捕捉する拡張顕微鏡法を開発し,入力画像を位相情報列に変換する。
  論文  参考訳（メタデータ） (2021-08-03T16:59:33Z)
• Accurate Cell Segmentation in Digital Pathology Images via Attention Enforced Networks [0.0]
  本研究では,グローバルな依存関係と重み付きチャネルを適応的に統合するアテンション強化ネットワーク(AENet)を提案する。 実験段階では, 染色変化問題に対処するために, 個々の色正規化法を提案する。
  論文  参考訳（メタデータ） (2020-12-14T03:39:33Z)
• Saliency-based segmentation of dermoscopic images using color information [3.8073142980733]
  本稿では,色覚情報を用いて色素性病変領域を自動判定する方法について検討する。 本稿では,人間の視覚的知覚に触発された新しい知覚基準と組み合わせたバイナライゼーションプロセスを用いた新しい手法を提案する。 1497画像を含む2つの公開データベース上で評価を行った。
  論文  参考訳（メタデータ） (2020-11-26T08:47:10Z)
• Pathological Retinal Region Segmentation From OCT Images Using Geometric Relation Based Augmentation [84.7571086566595]
  本稿では,幾何学と形状の内在的関係を共同で符号化することで,従来のGANベースの医用画像合成法よりも優れた手法を提案する。 提案手法は,取得手順の異なる画像を有する公開RETOUCHデータセット上で,最先端のセグメンテーション手法より優れている。
  論文  参考訳（メタデータ） (2020-03-31T11:50:43Z)

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。