Fugu-MT 論文翻訳(概要): An Out-of-Domain Synapse Detection Challenge for Microwasp Brain Connectomes

論文の概要: An Out-of-Domain Synapse Detection Challenge for Microwasp Brain Connectomes

arxiv url: http://arxiv.org/abs/2302.00545v1
Date: Wed, 1 Feb 2023 16:08:58 GMT
ステータス: 処理完了
システム内更新日: 2023-02-02 17:06:11.354752
Title: An Out-of-Domain Synapse Detection Challenge for Microwasp Brain Connectomes
Title（参考訳）: マイクロwasp脳コネクトームの領域外シナプス検出課題
Authors: Jingpeng Wu, Yicong Li, Nishika Gupta, Kazunori Shinomiya, Pat Gunn, Alexey Polilov, Hanspeter Pfister, Dmitri Chklovskii, Donglai Wei
Abstract要約: コネクトロミクス研究における画像スタックのサイズは、今やテラバイトに達し、しばしばペタバイトのスケールに達し、脳の領域やサンプルの外観は様々である。神経構造の手動アノテーション、例えばシナプスは時間を要するため、テストデータの0.001%以下に制限されたトレーニングデータが生成される。ドメイン適応と一般化のアプローチは、ドメイン外ベンチマークの欠如によりコネトミクスデータでは評価されていない自然画像の同様の問題に対処するために提案された。
参考スコア（独自算出の注目度）: 18.686501413777943
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The size of image stacks in connectomics studies now reaches the terabyte and often petabyte scales with a great diversity of appearance across brain regions and samples. However, manual annotation of neural structures, e.g., synapses, is time-consuming, which leads to limited training data often smaller than 0.001\% of the test data in size. Domain adaptation and generalization approaches were proposed to address similar issues for natural images, which were less evaluated on connectomics data due to a lack of out-of-domain benchmarks.
Abstract（参考訳）: コネクトロミクス研究における画像スタックのサイズは、今やテラバイトに達し、しばしばペタバイトのスケールに達し、脳の領域やサンプルの外観は様々である。しかしながら、神経構造の手動アノテーション、例えばシナプスは時間を要するため、テストデータの0.001\%以下に制限されたトレーニングデータが生成される。ドメイン外ベンチマークの欠如によりコネクトミクスデータでは評価が低かった自然画像に対して,ドメイン適応と一般化のアプローチが提案されている。

関連論文リスト

A Unified Model for Compressed Sensing MRI Across Undersampling Patterns [69.19631302047569]
ディープニューラルネットワークは、アンダーサンプル計測から高忠実度画像を再構成する大きな可能性を示している。我々のモデルは、離散化に依存しないアーキテクチャであるニューラル演算子に基づいている。我々の推論速度は拡散法よりも1,400倍速い。
論文参考訳（メタデータ） (2024-10-05T20:03:57Z)
FISBe: A real-world benchmark dataset for instance segmentation of long-range thin filamentous structures [4.9246627979592725]
神経系の体積光顕微鏡画像におけるニューロンのセグメンテーションは、神経科学における画期的な研究を可能にする。しかし、マルチニューロン光顕微鏡のデータは、インスタンスセグメンテーションのタスクにとって非常に難しい特性を示している。私たちはFlyLight Instance Benchmark(FISBe)データセットをリリースしました。
論文参考訳（メタデータ） (2024-03-29T19:51:34Z)
Learning Multimodal Volumetric Features for Large-Scale Neuron Tracing [72.45257414889478]
オーバーセグメントニューロン間の接続を予測し,人間の作業量を削減することを目的としている。最初はFlyTracingという名前のデータセットを構築しました。本稿では,高密度なボリュームEM画像の埋め込みを生成するための,新しい接続性を考慮したコントラスト学習手法を提案する。
論文参考訳（メタデータ） (2024-01-05T19:45:12Z)
Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。 I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
論文参考訳（メタデータ） (2023-08-31T05:05:53Z)
Pain level and pain-related behaviour classification using GRU-based sparsely-connected RNNs [61.080598804629375]
慢性的な痛みを持つ人は、特定の身体の動きを無意識に適応させ、怪我や追加の痛みから身を守る。この相関関係を分析するための専用のベンチマークデータベースが存在しないため、日々の行動に影響を及ぼす可能性のある特定の状況の1つを検討した。我々は、複数のオートエンコーダを組み込んだゲートリカレントユニット(GRU)と疎結合なリカレントニューラルネットワーク(s-RNN)のアンサンブルを提案した。本手法は,痛みレベルと痛み関連行動の両方の分類において,最先端のアプローチよりも優れていることを示すいくつかの実験を行った。
論文参考訳（メタデータ） (2022-12-20T12:56:28Z)
Site Generalization: Stroke Lesion Segmentation on Magnetic Resonance Images from Unseen Sites [40.32385363670918]
ストロークは様々な脳血管疾患の主要な原因である。この課題に対して深層学習に基づくモデルが提案されているが、これらのモデルを見えない場所に一般化することは困難である。 SG-Netと呼ばれるU-netベースのセグメンテーションネットワークを提案する。
論文参考訳（メタデータ） (2022-05-09T14:33:06Z)
Supervised Segmentation with Domain Adaptation for Small Sampled Orbital CT Images [0.0]
ディープニューラルネットワーク(DNN)は医用画像解析に広く利用されている。大規模な注釈付きデータセットへのアクセスの欠如は、大きな課題となる。本稿では,視神経および眼窩腫瘍に対する領域適応を用いた教師付きセグメンテーションについて検討した。
論文参考訳（メタデータ） (2021-07-01T13:00:33Z)
Few-shot Medical Image Segmentation using a Global Correlation Network with Discriminative Embedding [60.89561661441736]
医療画像分割のための新しい手法を提案する。深層畳み込みネットワークを用いた数ショット画像セグメンタを構築します。深層埋め込みの識別性を高め,同一クラスの特徴領域のクラスタリングを促進する。
論文参考訳（メタデータ） (2020-12-10T04:01:07Z)
Fader Networks for domain adaptation on fMRI: ABIDE-II study [68.5481471934606]
我々は3次元畳み込みオートエンコーダを用いて、無関係な空間画像表現を実現するとともに、ABIDEデータ上で既存のアプローチより優れていることを示す。
論文参考訳（メタデータ） (2020-10-14T16:50:50Z)
Medical Image Harmonization Using Deep Learning Based Canonical Mapping: Toward Robust and Generalizable Learning in Imaging [4.396671464565882]
多様な取得条件のデータを共通参照領域に"調和"する新しいパラダイムを提案する。我々は,MRIによる脳年齢予測と統合失調症の分類という,2つの問題に対して本手法を検証した。
論文参考訳（メタデータ） (2020-10-11T22:01:37Z)
Two-Stage Resampling for Convolutional Neural Network Training in the Imbalanced Colorectal Cancer Image Classification [1.8275108630751844]
データ不均衡は、現代の機械学習におけるオープンな課題の1つだ。データ不均衡を扱う従来のデータレベルのアプローチは、画像データには適していない。オーバーサンプリングとアンダーサンプリングに関わる問題を緩和する新しい2段階リサンプリング手法を提案する。
論文参考訳（メタデータ） (2020-04-07T13:11:17Z)

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。