論文の概要: Tracking by weakly-supervised learning and graph optimization for whole-embryo C. elegans lineages

• arxiv url: http://arxiv.org/abs/2208.11467v1
• Date: Wed, 24 Aug 2022 12:17:59 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-25 12:24:49.964442
• Title: Tracking by weakly-supervised learning and graph optimization for whole-embryo C. elegans lineages
• Title（参考訳）: 線虫C. elegans系統の弱教師付き学習とグラフ最適化による追跡
• Authors: Peter Hirsch, Caroline Malin-Mayor, Anthony Santella, Stephan Preibisch, Dagmar Kainmueller, Jan Funke
• Abstract要約: 我々は,核中心点アノテーションの小さなセットからの弱い教師付き学習と,最適な細胞系統抽出のための整数線形プログラム(ILP)を組み合わさった最新の核追跡手法を構築した。 我々の研究は、C. elegansの胚記録の次の挑戦的な性質に特に対処する。
• 参考スコア（独自算出の注目度）: 5.4560798878815735
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Tracking all nuclei of an embryo in noisy and dense fluorescence microscopy data is a challenging task. We build upon a recent method for nuclei tracking that combines weakly-supervised learning from a small set of nuclei center point annotations with an integer linear program (ILP) for optimal cell lineage extraction. Our work specifically addresses the following challenging properties of C. elegans embryo recordings: (1) Many cell divisions as compared to benchmark recordings of other organisms, and (2) the presence of polar bodies that are easily mistaken as cell nuclei. To cope with (1), we devise and incorporate a learnt cell division detector. To cope with (2), we employ a learnt polar body detector. We further propose automated ILP weights tuning via a structured SVM, alleviating the need for tedious manual set-up of a respective grid search. Our method outperforms the previous leader of the cell tracking challenge on the Fluo-N3DH-CE embryo dataset. We report a further extensive quantitative evaluation on two more C. elegans datasets. We will make these datasets public to serve as an extended benchmark for future method development. Our results suggest considerable improvements yielded by our method, especially in terms of the correctness of division event detection and the number and length of fully correct track segments. Code: https://github.com/funkelab/linajea
• Abstract（参考訳）: ノイズと高密度蛍光顕微鏡データによる胚の全核の追跡は難しい課題である。 我々は,核中心点アノテーションの小さなセットからの弱い教師付き学習と,最適な細胞系統抽出のための整数線形プログラム(ILP)を組み合わさった最近の核追跡手法を構築した。 本研究は、c. elegans胚記録の課題として、(1)他の生物のベンチマーク記録と比べ、多くの細胞分裂、(2)細胞核と容易に間違えられる極性体の存在を特に取り上げている。 1)に対処するために,学習細胞分割検出器を考案し,組み込む。 2)に対処するために、学習した極性体検出器を用いる。 我々はさらに,構造化svmによる自動ilp重み付けチューニングを提案し,各グリッド検索の面倒な手動設定の必要性を緩和する。 本手法は,Fluo-N3DH-CE胚データセットにおける細胞追跡課題の先行リーダよりも優れていた。 我々はさらに2つのC. elegansデータセットの定量的評価を行った。 これらのデータセットを公開して、将来のメソッド開発のための拡張ベンチマークとして提供します。 提案手法は,特に分割イベント検出の正しさと完全正トラックセグメントの数と長さに関して,大幅な改善が得られたことを示唆している。 コード: https://github.com/funkelab/linajea

関連論文リスト

• Single-cell Curriculum Learning-based Deep Graph Embedding Clustering [21.328135630638343]
  シングルセル学習に基づく深層グラフ埋め込みクラスタリング(scCLG)を提案する。 まず,3つのデコーダに対応する3つの最適化目標を組み合わせたマルチデコーダ(ChebAE)を用いたChebyshevグラフ畳み込みオートエンコーダを提案する。 我々は、ノードの特徴とエントロピーに基づいてGNNを訓練し、高品質なグラフを維持するための難易度スコアに基づいて困難なノードを訓練する選択的なトレーニング戦略を採用している。
  論文  参考訳（メタデータ） (2024-08-20T03:20:13Z)
• 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)
• KECOR: Kernel Coding Rate Maximization for Active 3D Object Detection [48.66703222700795]
  我々は、ラベルの取得に最も有用なポイントクラウドを特定するために、新しいカーネル戦略を利用する。 1段目(SECOND)と2段目(SECOND)の両方に対応するため、アノテーションに選択した境界ボックスの総数と検出性能のトレードオフをよく組み込んだ分類エントロピー接点を組み込んだ。 その結果,ボックスレベルのアノテーションのコストは約44%,計算時間は26%削減された。
  論文  参考訳（メタデータ） (2023-07-16T04:27:03Z)
• MEDIAR: Harmony of Data-Centric and Model-Centric for Multi-Modality Microscopy [9.405458160620533]
  マルチモーダルなセルインスタンスセグメンテーションのための総合パイプラインであるMEDIARを提案する。 検証段階では時間予算を満足しながら0.9067F1スコアを達成する。 その後の研究を容易にするために、ソースコードとトレーニングされたモデルをオープンソースとして提供します。
  論文  参考訳（メタデータ） (2022-12-07T05:09:24Z)
• Weakly Supervised Change Detection Using Guided Anisotropic Difusion [97.43170678509478]
  我々は、このようなデータセットを変更検出の文脈で活用するのに役立つ独自のアイデアを提案する。 まず,意味的セグメンテーション結果を改善する誘導異方性拡散(GAD)アルゴリズムを提案する。 次に、変化検出に適した2つの弱い教師付き学習戦略の可能性を示す。
  論文  参考訳（メタデータ） (2021-12-31T10:03:47Z)
• Deep Semi-supervised Metric Learning with Dual Alignment for Cervical Cancer Cell Detection [49.78612417406883]
  子宮頸癌細胞検出のための新しい半教師付き深度測定法を提案する。 私たちのモデルは、埋め込みメトリック空間を学習し、提案レベルとプロトタイプレベルの両方でセマンティック機能の二重アライメントを行います。 本研究は,240,860個の頸部細胞画像からなる半監督型頸部がん細胞検出のための大規模データセットを初めて構築した。
  論文  参考訳（メタデータ） (2021-04-07T17:11:27Z)
• Semi supervised segmentation and graph-based tracking of 3D nuclei in time-lapse microscopy [10.398295735266212]
  現在の最先端のディープラーニング手法では、トレーニングデータが弱いアノテートされた場合、正確な境界が得られない。 これは、現在の最先端のディープラーニング手法が、トレーニングデータが弱いアノテートされたときに正確な境界に達しないという観察によって動機付けられている。 3D U-Netは、核のセントロイドを得るために訓練され、単純な線形反復クラスタリング(SLIC)スーパーボクセルアルゴリズムと統合される。
  論文  参考訳（メタデータ） (2020-10-26T05:09:44Z)
• Weakly Supervised Deep Nuclei Segmentation Using Partial Points Annotation in Histopathology Images [51.893494939675314]
  本稿では,部分点アノテーションに基づく弱教師付きセグメンテーションフレームワークを提案する。 本手法は, 完全教師付き手法や最先端手法と比較して, 競争性能を向上できることを示す。
  論文  参考訳（メタデータ） (2020-07-10T15:41:29Z)
• 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)
• Learning to Optimize Non-Rigid Tracking [54.94145312763044]
  我々は、堅牢性を改善し、解法収束を高速化するために学習可能な最適化を採用する。 まず、CNNを通じてエンドツーエンドに学習された深い特徴にアライメントデータ項を統合することにより、追跡対象をアップグレードする。 次に,プレコンディショニング手法と学習手法のギャップを,プレコンディショナを生成するためにトレーニングされたConditionNetを導入することで埋める。
  論文  参考訳（メタデータ） (2020-03-27T04:40:57Z)

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。