論文の概要: Segmentation based tracking of cells in 2D+time microscopy images of
macrophages
- arxiv url: http://arxiv.org/abs/2301.00765v1
- Date: Mon, 2 Jan 2023 17:34:56 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-03 16:24:30.438270
- Title: Segmentation based tracking of cells in 2D+time microscopy images of
macrophages
- Title(参考訳): マクロファージの2次元顕微鏡像におけるセグメンテーションによる細胞追跡
- Authors: Seol Ah Park, Tamara Sipka, Zuzana Kriva, George Lutfalla, Mai
Nguyen-Chi, and Karol Mikula
- Abstract要約: 本稿では,時間分解顕微鏡マクロファージデータにおけるセルの自動追跡を実現するアルゴリズムを提案する。
提案された追跡は、困難な状況下でマクロファージデータの精度の97.4%を達成した。
- 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: The automated segmentation and tracking of macrophages during their migration
are challenging tasks due to their dynamically changing shapes and motions.
This paper proposes a new algorithm to achieve automatic cell tracking in
time-lapse microscopy macrophage data. First, we design a segmentation method
employing space-time filtering, local Otsu's thresholding, and the SUBSURF
(subjective surface segmentation) method. Next, the partial trajectories for
cells overlapping in the temporal direction are extracted in the segmented
images. Finally, the extracted trajectories are linked by considering their
direction of movement. The segmented images and the obtained trajectories from
the proposed method are compared with those of the semi-automatic segmentation
and manual tracking. The proposed tracking achieved 97.4% of accuracy for
macrophage data under challenging situations, feeble fluorescent intensity,
irregular shapes, and motion of macrophages. We expect that the automatically
extracted trajectories of macrophages can provide pieces of evidence of how
macrophages migrate depending on their polarization modes in the situation,
such as during wound healing.
- Abstract(参考訳): 移動中のマクロファージの自動セグメンテーションと追跡は、動的に変化する形状や動きのために困難なタスクである。
本稿では,時間分解顕微鏡マクロファージデータにおけるセルの自動追跡を実現するアルゴリズムを提案する。
まず, 空間時間フィルタリング, 大津のしきい値設定, SUBSURF (subjective surface segmentation) を用いたセグメント化手法を設計する。
次に、セグメント画像において、時間方向に重なり合う細胞のための部分軌跡を抽出する。
最後に、抽出された軌跡を移動方向を考慮してリンクする。
提案手法によるセグメント画像と得られた軌跡を, 半自動セグメンテーションと手動トラッキングと比較した。
提案手法は, 難解な状況, 弱弱蛍光強度, 不規則形状, マクロファージの運動下でのマクロファージデータの精度97.4%を達成した。
自動抽出されたマクロファージの軌跡は, 創傷治癒などの状況において, 偏極モードに応じてマクロファージがどのように移動するかを示す証拠となると期待している。
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) - Motion-adaptive Separable Collaborative Filters for Blind Motion Deblurring [71.60457491155451]
様々な動きによって生じる画像のぼかしを除去することは、難しい問題である。
本研究では,動き適応型分離型協調フィルタと呼ばれる実世界のデブロアリングフィルタモデルを提案する。
本手法は,実世界の動きのぼかし除去に有効な解法を提供し,最先端の性能を実現する。
論文 参考訳(メタデータ) (2024-04-19T19:44:24Z) - Continual-MAE: Adaptive Distribution Masked Autoencoders for Continual Test-Time Adaptation [49.827306773992376]
連続的テスト時間適応(CTTA)は、ソース事前学習モデルから目標分布の連続的な変化に移行するために提案される。
提案手法は,CTTAタスクの分類とセグメンテーションの両方において,最先端の性能を実現する。
論文 参考訳(メタデータ) (2023-12-19T15:34:52Z) - Multi-stream Cell Segmentation with Low-level Cues for Multi-modality
Images [66.79688768141814]
我々は,顕微鏡画像のラベル付けを行うセル分類パイプラインを開発した。
次に、分類ラベルに基づいて分類モデルを訓練する。
2種類のセグメンテーションモデルを、丸みを帯びた形状と不規則な形状のセグメンテーションセルに展開する。
論文 参考訳(メタデータ) (2023-10-22T08:11:08Z) - Unsupervised Contour Tracking of Live Cells by Mechanical and Cycle
Consistency Losses [41.91628168687796]
本稿では,ポイント対応の深層学習に基づく細胞輪郭の追跡手法を提案する。
輪郭上の高密度なトラッキングポイントを手動でラベル付けるのは現実的ではない。
2つの生きた細胞データセットから、生きた細胞の輪郭に沿ってスパース追跡ポイントをラベル付けする。
論文 参考訳(メタデータ) (2023-03-15T04:48:19Z) - Search for temporal cell segmentation robustness in phase-contrast
microscopy videos [31.92922565397439]
本研究では,3次元コラーゲンマトリックスに埋め込まれた癌細胞を分画する深層学習ワークフローを提案する。
また, 癌細胞形態を研究するための幾何学的特徴付け手法を提案する。
2Dセルのセグメンテーションと追跡のための新しいアノテーション付きデータセットと、実験を再現したり、新しい画像処理問題に適応するためのオープンソース実装を導入する。
論文 参考訳(メタデータ) (2021-12-16T12:03:28Z) - Residual Moment Loss for Medical Image Segmentation [56.72261489147506]
位置情報は,対象物体の多様体構造を捉えた深層学習モデルに有効であることが証明された。
既存のほとんどの手法は、ネットワークが学習するために、位置情報を暗黙的にエンコードする。
セグメント化対象の位置情報を明示的に埋め込むために,新しい損失関数,すなわち残差モーメント(RM)損失を提案する。
論文 参考訳(メタデータ) (2021-06-27T09:31:49Z) - Attention-Based Transformers for Instance Segmentation of Cells in
Microstructures [22.215852332444904]
本稿では, 直接端対端のインスタンスセグメンテーションのための新しいアテンションベースセル検出トランス (Cell-DETR) を提案する。
セグメンテーション性能は最先端のインスタンスセグメンテーション法と同等だが、Cell-DETRはよりシンプルで高速である。
特定のユースケースでは、提案手法は意味的セグメンテーションのための最先端のツールを超越し、個別のオブジェクトインスタンスを予測する。
論文 参考訳(メタデータ) (2020-11-19T10:49:56Z) - Learning Motion Flows for Semi-supervised Instrument Segmentation from
Robotic Surgical Video [64.44583693846751]
本研究は,スパースアノテーションを用いたロボット手術ビデオから半教師楽器のセグメンテーションについて検討する。
生成されたデータペアを利用することで、我々のフレームワークはトレーニングシーケンスの時間的一貫性を回復し、強化することができます。
その結果,本手法は最先端の半教師あり手法よりも大きなマージンで優れていることがわかった。
論文 参考訳(メタデータ) (2020-07-06T02:39:32Z) - 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) - DistNet: Deep Tracking by displacement regression: application to
bacteria growing in the Mother Machine [2.741266294612776]
本稿では,トラッキングエラー率とセグメンテーションエラー率を極端に低くする自己認識機構を活用するディープニューラルネットワークアーキテクチャを提案する。
本手法はDISTance+DISplacement and Tracking Networkの略であるDiSTNetと名付けられた。
論文 参考訳(メタデータ) (2020-03-17T16:13:44Z)
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。