論文の概要: A Semi-automatic Cell Tracking Process Towards Completing the 4D Atlas
of C. elegans Development
- arxiv url: http://arxiv.org/abs/2207.13611v1
- Date: Wed, 27 Jul 2022 16:21:52 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-28 13:40:11.758373
- Title: A Semi-automatic Cell Tracking Process Towards Completing the 4D Atlas
of C. elegans Development
- Title（参考訳）: 線虫c. elegansの4次元アトラス完成に向けた半自動細胞追跡プロセス
- Authors: Andrew Lauziere, Ryan Christensen, Hari Shroff
- Abstract要約: 線虫Caenorhabditis elegans(C. elegans)は、発達生物学や神経生物学をよりよく理解するためのモデル生物として用いられる。
我々は,皮膚細胞をフィデューシャルマーカーとして利用して,ランダムなツイッチを伴って細胞追跡を行う手法を構築した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The nematode Caenorhabditis elegans (C. elegans) is used as a model organism
to better understand developmental biology and neurobiology. C. elegans
features an invariant cell lineage, which has been catalogued and observed
using fluorescence microscopy images. However, established methods to track
cells in late-stage development fail to generalize once sporadic muscular
twitching has begun. We build upon methodology which uses skin cells as
fiducial markers to carry out cell tracking despite random twitching. In
particular, we present a cell nucleus segmentation and tracking procedure which
was integrated into a 3D rendering GUI to improve efficiency in tracking cells
across late-stage development. Results on images depicting aforementioned
muscle cell nuclei across three test embryos suggest the fiducial markers in
conjunction with a classic tracking paradigm overcome sporadic twitching.
- Abstract（参考訳）: 線虫Caenorhabditis elegans(C. elegans)は、発生生物学や神経生物学をよりよく理解するためのモデル生物として用いられる。
c. elegans は不変な細胞系統を特徴とし、蛍光顕微鏡画像を用いて分類・観察されている。
しかし、後期発達における細胞追跡の確立された方法は、散発的な筋ジスチングが始まると一般化に失敗する。
我々は,皮膚細胞をフィデューシャルマーカーとして利用して,ランダムなツイッチにもかかわらず細胞追跡を行う手法を構築した。
特に,3次元レンダリングGUIに統合された細胞核分割と追跡の手順を提示し,後期開発における細胞追跡の効率化を図った。
3つのテスト胚にまたがる筋細胞核の画像から得られた結果は、核分裂マーカーと古典的な追跡パラダイムが散発的なエキサイティングを克服していることを示唆している。
関連論文リスト
- Supervised contrastive learning for cell stage classification of animal embryos [3.4030535409936147]
深層学習による2次元タイムラプス顕微鏡ビデオから胚の細胞ステージを自動分類することを目的としている。
我々は,ビデオ顕微鏡によるウシ胚発生の解析に焦点をあてた。
CLEmbryoは、教師付きコントラスト学習とトレーニングの焦点損失を組み合わせた新しい手法であり、軽量な3次元ニューラルネットワークCSN-50をエンコーダとして導入する。
論文 参考訳（メタデータ） (2025-02-11T08:30:25Z) - 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) - 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) - Cell Graph Transformer for Nuclei Classification [78.47566396839628]
我々は,ノードとエッジを入力トークンとして扱うセルグラフ変換器(CGT)を開発した。
不愉快な特徴は、騒々しい自己注意スコアと劣等な収束につながる可能性がある。
グラフ畳み込みネットワーク(GCN)を利用して特徴抽出器を学習する新しいトポロジ対応事前学習法を提案する。
論文 参考訳（メタデータ） (2024-02-20T12:01:30Z) - Prediction of Cellular Identities from Trajectory and Cell Fate
Information [0.40964539027092917]
本稿では,機械学習を用いた早期のtextitC. elegansgenesisにおける細胞識別の革新的アプローチを提案する。
ランダムな森林, 胚, LSTMモデルを用いて, 最初の4時間にわたる3次元タイムラプスデータセットの細胞分類精度を検証した。
本研究は, 簡単な時空間的特徴から, タイムラプス画像における細胞アイデンティティの予測に成功したことを示す。
論文 参考訳（メタデータ） (2024-01-11T03:28:13Z) - Single-Cell Deep Clustering Method Assisted by Exogenous Gene
Information: A Novel Approach to Identifying Cell Types [50.55583697209676]
我々は,細胞間のトポロジ的特徴を効率的に捉えるために,注目度の高いグラフオートエンコーダを開発した。
クラスタリング過程において,両情報の集合を統合し,細胞と遺伝子の特徴を再構成し,識別的表現を生成する。
本研究は、細胞の特徴と分布に関する知見を高め、疾患の早期診断と治療の基礎となる。
論文 参考訳（メタデータ） (2023-11-28T09:14:55Z) - Learning Deformable 3D Graph Similarity to Track Plant Cells in
Unregistered Time Lapse Images [17.017730437647977]
本研究では,植物細胞を密に充填した3次元細胞構造を利用して3次元グラフを作成し,正確な細胞追跡を行う新しい学習手法を提案する。
提案アルゴリズムの有効性を,ベンチマークデータセット上での精度と推定時間の観点から示す。
論文 参考訳（メタデータ） (2023-09-20T09:04:01Z) - 3D Mitochondria Instance Segmentation with Spatio-Temporal Transformers [101.44668514239959]
本稿では,空間的および時間的注意を並列に効率的に計算するハイブリッドエンコーダデコーダフレームワークを提案する。
また,ミトコンドリアインスタンスの領域を背景から支援する訓練中に,意味的クラッタ・バックグラウンドの逆行性障害も導入した。
論文 参考訳（メタデータ） (2023-03-21T17:58:49Z) - Deep Learning Enabled Time-Lapse 3D Cell Analysis [7.094247258573337]
本稿では, タイムラプスな3Dセル解析手法を提案する。
そこで我々は,細胞下の特徴を正確に局所化し,定量的に分析する問題を考察した。
コードはGithubで入手でき、このメソッドはBisQueポータル経由でサービスとして利用できる。
論文 参考訳（メタデータ） (2022-08-17T00:07:25Z) - 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) - Automatic glissade determination through a mathematical model in
electrooculographic records [58.720142291102135]
グリサドのオーバーシュートは、グリサドとして知られる望ましくないタイプの運動によって特徴づけられる。
本稿では,特定のサッケードにグルーサードが付加されているかどうかを判定する手法を開発する。
機械学習アルゴリズムは訓練され、この種の眼球運動の存在の有無の期待される応答が返されます。
論文 参考訳（メタデータ） (2021-04-19T17:56:55Z)
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。