論文の概要: RCNN-SliceNet: A Slice and Cluster Approach for Nuclei Centroid
Detection in Three-Dimensional Fluorescence Microscopy Images
- arxiv url: http://arxiv.org/abs/2106.15753v1
- Date: Tue, 29 Jun 2021 23:38:29 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-01 15:23:27.221755
- Title: RCNN-SliceNet: A Slice and Cluster Approach for Nuclei Centroid
Detection in Three-Dimensional Fluorescence Microscopy Images
- Title（参考訳）: RCNN-SliceNet:3次元蛍光顕微鏡画像における核セントロイド検出のためのスライスとクラスターアプローチ
- Authors: Liming Wu, Shuo Han, Alain Chen, Paul Salama, Kenneth W. Dunn, Edward
J. Delp
- Abstract要約: 本稿では,3次元顕微鏡ボリュームの遠心波検出のためのスケーラブルなアプローチを提案する。
本稿では、RCNN-SliceNetを用いて、体積のスライス毎に異なる方向から2次元核セントロイドを検出する。
提案手法は, 3次元顕微鏡で核中心体を正確に計測し, 検出することができる。
- 参考スコア（独自算出の注目度）: 16.377426160171982
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Robust and accurate nuclei centroid detection is important for the
understanding of biological structures in fluorescence microscopy images.
Existing automated nuclei localization methods face three main challenges: (1)
Most of object detection methods work only on 2D images and are difficult to
extend to 3D volumes; (2) Segmentation-based models can be used on 3D volumes
but it is computational expensive for large microscopy volumes and they have
difficulty distinguishing different instances of objects; (3) Hand annotated
ground truth is limited for 3D microscopy volumes. To address these issues, we
present a scalable approach for nuclei centroid detection of 3D microscopy
volumes. We describe the RCNN-SliceNet to detect 2D nuclei centroids for each
slice of the volume from different directions and 3D agglomerative hierarchical
clustering (AHC) is used to estimate the 3D centroids of nuclei in a volume.
The model was trained with the synthetic microscopy data generated using
Spatially Constrained Cycle-Consistent Adversarial Networks (SpCycleGAN) and
tested on different types of real 3D microscopy data. Extensive experimental
results demonstrate that our proposed method can accurately count and detect
the nuclei centroids in a 3D microscopy volume.
- Abstract（参考訳）: 蛍光顕微鏡画像の生物学的構造を理解するには,ロバストで正確な中心核検出が重要である。
既存の自動核局在法では,(1)オブジェクト検出法の多くが2次元画像上でのみ動作し,3次元ボリュームへの拡張が難しい,(2)セグメンテーションベースモデルが3dボリュームで使用できるが,大きな顕微鏡ボリュームでは計算コストが高く,異なる物体のインスタンスを識別するのが困難である,(3)3次元顕微鏡ボリュームではハンドアノテートグラウンド真理が制限されている,の3つの課題がある。
これらの問題に対処するため,我々は3次元顕微鏡ボリュームの核遠心検出のためのスケーラブルな手法を提案する。
本稿では, RCNN-SliceNetを用いて, 体積のスライス毎に異なる方向から2次元核セントロイドを検出し, 体積中の3次元核セントロイドを推定するために3次元凝集階層クラスタリング(AHC)を用いる。
このモデルは、空間的に制約された周期整合な逆向きネットワーク(spcyclegan)を用いて生成された合成顕微鏡データを用いて訓練され、異なる種類の実3次元顕微鏡データでテストされた。
広範な実験結果から,提案手法は3次元顕微鏡で高精度に核中心核を計数し検出できることが判明した。
関連論文リスト
- The Quest for Early Detection of Retinal Disease: 3D CycleGAN-based Translation of Optical Coherence Tomography into Confocal Microscopy [11.321411104729002]
生体内OCTを生体内共焦点顕微鏡画像に変換するために, 教師なし3D CycleGANに基づく新しいフレームワークを提案する。
これは、OCTの固有の3D情報を利用して、共焦点顕微鏡のリッチで詳細な色領域に変換する最初の試みである。
論文 参考訳（メタデータ） (2024-08-07T21:13:49Z) - VFMM3D: Releasing the Potential of Image by Vision Foundation Model for Monocular 3D Object Detection [80.62052650370416]
モノクル3Dオブジェクト検出は、自律運転やロボティクスなど、さまざまなアプリケーションにおいて重要な役割を担っている。
本稿では,VFMM3Dを提案する。VFMM3Dは,ビジョンファウンデーションモデル(VFM)の機能を利用して,単一ビュー画像を正確にLiDARポイントクラウド表現に変換する,革新的なフレームワークである。
論文 参考訳（メタデータ） (2024-04-15T03:12:12Z) - MiShape: 3D Shape Modelling of Mitochondria in Microscopy [65.7909757178576]
ミトコンドリアに先立ってMiShapeと呼ばれる形状を学習することでギャップを埋める手法を提案する。
MiShapeはミトコンドリア形状の暗黙的な表現を用いて学習された生成モデルである。
2次元蛍光画像または2次元スライスの小さな3次元スタックが与えられた3次元形状再構成におけるMiShapeの表現力とその有用性を示す。
論文 参考訳（メタデータ） (2023-03-02T19:21:21Z) - YOLO2U-Net: Detection-Guided 3D Instance Segmentation for Microscopy [0.0]
脳組織中の細胞の正確な3Dインスタンスセグメンテーションのための包括的手法を提案する。
提案手法は,2次元YOLO検出法と多視点融合アルゴリズムを組み合わせることで,細胞の3次元局在化を構築する。
提案手法の有望な性能を,現在の深層学習に基づく3次元インスタンス分割法と比較した。
論文 参考訳（メタデータ） (2022-07-13T14:17:52Z) - 3D Reconstruction of Curvilinear Structures with Stereo Matching
DeepConvolutional Neural Networks [52.710012864395246]
本稿では,立体対における曲線構造の検出とマッチングのための完全自動パイプラインを提案する。
主に、TEM画像のステレオ対から転位を3次元再構成することに焦点を当てる。
論文 参考訳（メタデータ） (2021-10-14T23:05:47Z) - 3D Structure from 2D Microscopy images using Deep Learning [0.0]
近年の人工知能の進歩は、顕微鏡画像から正確な3D構造を取り出すために応用されている。
本稿では,2次元単一分子局在顕微鏡画像からタンパク質複合体を再構成する深層学習ソリューションを提案する。
論文 参考訳（メタデータ） (2021-10-14T14:55:41Z) - Automated Model Design and Benchmarking of 3D Deep Learning Models for
COVID-19 Detection with Chest CT Scans [72.04652116817238]
3D胸部CTスキャン分類のための3D DLモデルを自動的に検索するための差別化可能なニューラルネットワーク探索(DNAS)フレームワークを提案する。
また,我々のモデルのクラスアクティベーションマッピング(cam)技術を利用して,結果の解釈可能性を提供する。
論文 参考訳（メタデータ） (2021-01-14T03:45:01Z) - HIVE-Net: Centerline-Aware HIerarchical View-Ensemble Convolutional
Network for Mitochondria Segmentation in EM Images [3.1498833540989413]
より効率的な2次元畳み込みを用いた3次元空間コンテキスト学習のための新しい階層型ビューアンサンブル畳み込み(HVEC)を提案する。
提案手法は, 精度と画質は良好だが, モデルサイズは大幅に小さく, 最先端の手法に対して好適に機能する。
論文 参考訳（メタデータ） (2021-01-08T06:56:40Z) - ATOM3D: Tasks On Molecules in Three Dimensions [91.72138447636769]
近年、深層ニューラルネットワークが注目されている。
本稿では,生物分子のいくつかの重要なクラスにまたがる新しいデータセットと既存のデータセットのコレクションであるATOM3Dを紹介する。
これらのタスクごとに3次元の分子学習ネットワークを開発し、パフォーマンスを一貫して改善します。
論文 参考訳（メタデータ） (2020-12-07T20:18:23Z) - Cylindrical Convolutional Networks for Joint Object Detection and
Viewpoint Estimation [76.21696417873311]
3次元空間で定義された畳み込みカーネルの円筒形表現を利用する学習可能なモジュールである円筒型畳み込みネットワーク(CCN)を導入する。
CCNはビュー固有の畳み込みカーネルを通してビュー固有の特徴を抽出し、各視点におけるオブジェクトカテゴリスコアを予測する。
本実験は,円柱状畳み込みネットワークが関節物体の検出と視点推定に与える影響を実証する。
論文 参考訳（メタデータ） (2020-03-25T10:24:58Z) - An Auxiliary Task for Learning Nuclei Segmentation in 3D Microscopy
Images [6.700873164609009]
手作業による3次元光顕微鏡ボリュームのデータベース上での核分割アルゴリズムの比較を行った。
簡単な補助的なタスクによってセグメント化の精度を高める新しい学習戦略を提案する。
提案した補助課題を訓練すると,我々のベースラインの1つである3ラベルモデルが,最近のStarDist-3Dより優れていることを示す。
論文 参考訳（メタデータ） (2020-02-07T15:47:55Z)
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。