論文の概要: Stochastic Neural Networks for Automatic Cell Tracking in Microscopy
Image Sequences of Bacterial Colonies
- arxiv url: http://arxiv.org/abs/2104.13482v1
- Date: Tue, 27 Apr 2021 21:24:32 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-29 12:51:15.137896
- Title: Stochastic Neural Networks for Automatic Cell Tracking in Microscopy
Image Sequences of Bacterial Colonies
- Title（参考訳）: 細菌コロニーの顕微鏡画像における自動細胞追跡のための確率的ニューラルネットワーク
- Authors: Sorena Sarmadi, James J. Winkle, Razan N. Alnahhas, Matthew R.
Bennett, Kre\v{s}imir Josi\'c, Andreas Mang, and Robert Azencott
- Abstract要約: 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。
- 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: We describe an automated analysis method to quantify the detailed growth
dynamics of a population of bacilliform bacteria. We propose an innovative
approach to frame-sequence tracking of deformable-cell motion by the automated
minimization of a new, specific cost functional. This minimization is
implemented by dedicated Boltzmann machines (stochastic recurrent neural
networks). Automated detection of cell divisions is handled similarly by
successive minimizations of two cost functions, alternating the identification
of children pairs and parent identification. We validate this automatic cell
tracking algorithm using recordings of simulated cell colonies that closely
mimic the growth dynamics of \emph{E. coli} in microfluidic traps. On a batch
of 1100 image frames, cell registration accuracies per frame ranged from 94.5\%
to 100\%, with a high average. Our initial tests using experimental image
sequences of \emph{E. coli} colonies also yield convincing results, with a
registration accuracy ranging from 90\% to 100\%.
- Abstract（参考訳）: 本稿では,細菌群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。
この最小化は専用ボルツマンマシン(stochastic recurrent neural networks)によって実装されている。
細胞分裂の自動検出も同様に、2つのコスト関数を連続的に最小化し、子供のペアの識別と親の識別を交互に行う。
マイクロ流体トラップにおける大腸菌の増殖動態をよく再現したシミュレーションセルコロニーの記録を用いて,このセル追跡アルゴリズムを検証する。
1100の画像フレームのバッチでは、1フレームあたりのセル登録精度は94.5\%から100\%の範囲で、平均値が高い。
Emph{E. coli} コロニーの実験的画像配列を用いた初期試験では,90 %から100 %の登録精度で有意な結果が得られた。
関連論文リスト
- Cell as Point: One-Stage Framework for Efficient Cell Tracking [54.19259129722988]
本稿では,一段階の効率的なセルトラッキングを実現するために,新しいエンドツーエンドCAPフレームワークを提案する。
CAPは検出またはセグメンテーション段階を放棄し、細胞点の軌跡間の相関を利用して細胞を共同で追跡することでプロセスを単純化する。
Capは強力なセルトラッキング性能を示し、既存の方法の10倍から55倍の効率を示している。
論文 参考訳（メタデータ） (2024-11-22T10:16:35Z) - Tracking one-in-a-million: Large-scale benchmark for microbial single-cell tracking with experiment-aware robustness metrics [0.0]
我々は、微生物ライブ細胞イメージング(MLCI)のための、最も公開かつ注釈付きデータセットを提示する。
このデータセットには、140万以上の細胞インスタンス、29万の細胞トラック、14万の細胞分裂が含まれている。
我々の新しいベンチマークは、実験パラメータが追跡品質に与える影響を定量化し、新しいデータ駆動手法を開発する機会を与える。
論文 参考訳（メタデータ） (2024-11-01T13:03:51Z) - Deep Temporal Sequence Classification and Mathematical Modeling for Cell Tracking in Dense 3D Microscopy Videos of Bacterial Biofilms [18.563062576080704]
そこで我々はDenseTrackという新しいセル追跡アルゴリズムを提案する。
DenseTrackは、ディープラーニングと数学的モデルベースの戦略を統合して、連続するフレーム間の対応を確立する。
固有分解に基づく細胞分裂検出戦略を提案する。
論文 参考訳（メタデータ） (2024-06-27T23:26:57Z) - Continuous time recurrent neural networks: overview and application to
forecasting blood glucose in the intensive care unit [56.801856519460465]
連続時間自己回帰リカレントニューラルネットワーク(Continuous Time Autoregressive Recurrent Neural Network, CTRNN)は、不規則な観測を考慮に入れたディープラーニングモデルである。
重篤なケア環境下での血糖値の確率予測へのこれらのモデルの適用を実証する。
論文 参考訳（メタデータ） (2023-04-14T09:39:06Z) - Seamless Iterative Semi-Supervised Correction of Imperfect Labels in
Microscopy Images [57.42492501915773]
生体内試験は、医療機器の毒性に対する動物実験の代替手段である。
人間の疲労は、深層学習を魅力的なものにするために、エラー作成に重要な役割を果たします。
我々は、不完全ラベルのシームレス反復半監督補正(SISSI)を提案する。
本手法は,物体検出に適応的な早期学習補正技術を提供する。
論文 参考訳（メタデータ） (2022-08-05T18:52:20Z) - Machine learning based lens-free imaging technique for field-portable
cytometry [0.0]
提案手法の精度は98%に向上し,多くの細胞に対して5dB以上の信号が増強された。
モデルは、数回の学習イテレーションで新しいタイプのサンプルを学ぶために適応し、新しく導入されたサンプルをうまく分類することができる。
論文 参考訳（メタデータ） (2022-03-02T07:09:29Z) - Towards self-organized control: Using neural cellular automata to
robustly control a cart-pole agent [62.997667081978825]
我々は、カートポールエージェントを制御するために、ニューラルセルオートマトンを使用する。
我々は、Q値の推定値として出力セルの状態を用いる深層学習を用いてモデルを訓練した。
論文 参考訳（メタデータ） (2021-06-29T10:49:42Z) - 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) - Image segmentation via Cellular Automata [58.86475603234583]
我々は高解像度画像のセグメンテーションを成功させるセルオートマトンを設計し、訓練する。
私たちの最小のオートマトンは、複雑なセグメンテーションタスクを解決するために1万以下のパラメータを使用します。
論文 参考訳（メタデータ） (2020-08-11T19:04:09Z) - Automated Phenotyping via Cell Auto Training (CAT) on the Cell DIVE
Platform [0.5599792629509229]
多重蛍光画像を用いた自動トレーニングセットを用いて, 組織試料中の細胞の自動分類法を提案する。
本発明の方法は、ロバストなハイパープレックス免疫蛍光プラットフォーム上の1つの組織部位に、その場で染色された複数のマーカーを利用する。
論文 参考訳（メタデータ） (2020-07-18T16:45:32Z) - 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。