論文の概要: Stain-free Detection of Embryo Polarization using Deep Learning

• arxiv url: http://arxiv.org/abs/2111.05315v1
• Date: Mon, 8 Nov 2021 17:54:25 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-10 15:56:38.221966
• Title: Stain-free Detection of Embryo Polarization using Deep Learning
• Title（参考訳）: 深層学習による胚分極の無染色検出
• Authors: Cheng Shen, Adiyant Lamba, Meng Zhu, Ray Zhang, Changhuei Yang and Magdalena Zernicka Goetz
• Abstract要約: 哺乳動物胚の発達段階における分極は、その発達期を長期化する上で重要であり、ヒト胚の可能性を評価するのに有用である。 ここでは,マウス胚の非定常時間ラプス映像から偏光を検出するために人工知能が用いられていることを報告する。 得られたモデルでは、偏光を検出する精度が85%であり、同じデータで訓練された人間のボランティアよりもはるかに優れています。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Polarization of the mammalian embryo at the right developmental time is critical for its development to term and would be valuable in assessing the potential of human embryos. However, tracking polarization requires invasive fluorescence staining, impermissible in the in vitro fertilization clinic. Here, we report the use of artificial intelligence to detect polarization from unstained time-lapse movies of mouse embryos. We assembled a dataset of bright-field movie frames from 8-cell-stage embryos, side-by-side with corresponding images of fluorescent markers of cell polarization. We then used an ensemble learning model to detect whether any bright-field frame showed an embryo before or after onset of polarization. Our resulting model has an accuracy of 85% for detecting polarization, significantly outperforming human volunteers trained on the same data (61% accuracy). We discovered that our self-learning model focuses upon the angle between cells as one known cue for compaction, which precedes polarization, but it outperforms the use of this cue alone. By compressing three-dimensional time-lapsed image data into two-dimensions, we are able to reduce data to an easily manageable size for deep learning processing. In conclusion, we describe a method for detecting a key developmental feature of embryo development that avoids clinically impermissible fluorescence staining.
• Abstract（参考訳）: 哺乳動物胚の発達段階における分極は、その発達期を長期化する上で重要であり、ヒト胚の可能性を評価するのに有用である。 しかし、極性の追跡には侵入的な蛍光染色が必要であり、in vitroの受精クリニックでは不可能である。 ここでは,マウス胚の非定常時間ラプス映像から偏光を検出するために人工知能が用いられていることを報告する。 細胞偏光の蛍光マーカーの画像を並べて, 8細胞ステージの胚から明るい視野のフィルムフレームのデータセットを作成した。 次に, 偏光発生前後に, 明るい視野のフレームが胚を示したかどうかをアンサンブル学習モデルを用いて検出した。 その結果, 偏光検出の精度は85%であり, 同じデータで訓練したボランティア(精度61%)よりも有意に優れていた。 我々の自己学習モデルは、分極に先立つ圧縮の既知のキューとして、細胞間の角度に焦点を合わせていることがわかった。 3次元のタイムラプス画像データを2次元に圧縮することで,深層学習におけるデータ管理の容易なサイズに縮小することができる。 本報告では, 臨床的に不可避な蛍光染色を回避し, 胚発生の重要な発達特性を検出する方法について述べる。

関連論文リスト

• Melanoma Detection with Uncertainty Quantification [3.0011388623776027]
  現在のメラノーマ検出ツールは、しばしば複数のデータセットの完全な統合を見落としている。 公開データセットを組み合わせることで、データの多様性を向上し、多数の実験でさまざまな分類器を訓練し評価することができます。 ベンチマークデータセットの実験では、不確実性に基づく拒絶を適用した後、93.2%前、97.8%の精度を示した。
  論文  参考訳（メタデータ） (2024-11-15T16:22:32Z)
• Robust Depth Enhancement via Polarization Prompt Fusion Tuning [112.88371907047396]
  様々な深度センサによる不正確な深度測定を改善するために偏光イメージングを利用するフレームワークを提案する。 まず、偏光データとセンサ深度マップから高密度で完全な深度マップを推定するために、ニューラルネットワークを訓練した学習ベースの戦略を採用する。 大規模データセット上で事前学習したRGBモデルを有効に活用するためのPPFT(Polarization Prompt Fusion Tuning)戦略を提案する。
  論文  参考訳（メタデータ） (2024-04-05T17:55:33Z)
• Interpretable cancer cell detection with phonon microscopy using multi-task conditional neural networks for inter-batch calibration [39.759100498329275]
  本稿では,バッチ間キャリブレーションを同時に実現する条件付きニューラルネットワークフレームワークを提案する。 異なる実験バッチをトレーニングし、検証することで、我々のアプローチを検証する。 このモデルを拡張して, 診断信号の再構成を行い, 疾患状態を示す有能な特徴の物理的解釈を可能にした。
  論文  参考訳（メタデータ） (2024-03-26T12:20:10Z)
• Neural Polarizer: A Lightweight and Effective Backdoor Defense via Purifying Poisoned Features [62.82817831278743]
  近年の研究では、バックドア攻撃に対するディープニューラルネットワークの感受性が示されている。 本研究では,学習可能なニューラルポーラライザを中間層としてバックドアモデルに挿入することで,新たなバックドア防御手法を提案する。
  論文  参考訳（メタデータ） (2023-06-29T05:39:58Z)
• 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)
• Open-Vocabulary 3D Detection via Image-level Class and Debiased Cross-modal Contrastive Learning [62.18197846270103]
  現在の点雲検出法では,実世界の開語彙を検出するのが困難である。 画像レベルのクラス管理を用いたオープン語彙3DDETectorであるOV-3DETICを提案する。
  論文  参考訳（メタデータ） (2022-07-05T12:13:52Z)
• Developmental Stage Classification of EmbryosUsing Two-Stream Neural Network with Linear-Chain Conditional Random Field [74.53314729742966]
  発達段階分類のための2ストリームモデルを提案する。 従来の手法とは異なり、2ストリームモデルでは時間情報と画像情報の両方を受け付けている。 2つのタイムラプス胚ビデオデータセット上で,本アルゴリズムを実証する。
  論文  参考訳（メタデータ） (2021-07-13T19:56:01Z)
• Robust and generalizable embryo selection based on artificial intelligence and time-lapse image sequences [0.0]
  経時変化画像のみを用いた深層学習に基づく胚選択モデルが、患者年齢や臨床条件によってどのように機能するかを検討する。 このモデルは、115,832個の胚からなる18のIVFセンターからの大規模なデータセットに基づいて訓練および評価された。 完全自動化されたiDAScore v1.0モデルは、少なくとも最先端の手動胚選択モデルと同じくらいの性能を示した。
  論文  参考訳（メタデータ） (2021-03-12T13:36:30Z)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)
• A Multi-Hypothesis Approach to Color Constancy [22.35581217222978]
  現在のアプローチは、カメラ固有の照度マッピングを学習する際の色濃度の問題である。 本稿では,マルチハイプセシス戦略を用いて,自然に色相のあいまいさを処理できるベイズ的枠組みを提案する。 提案手法は,リアルタイムな実行を維持しつつ,複数の公開データセットに対して最先端の精度を提供する。
  論文  参考訳（メタデータ） (2020-02-28T18:05:16Z)

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。