論文の概要: MiShape: 3D Shape Modelling of Mitochondria in Microscopy

• arxiv url: http://arxiv.org/abs/2303.01546v1
• Date: Thu, 2 Mar 2023 19:21:21 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-06 17:16:47.082641
• Title: MiShape: 3D Shape Modelling of Mitochondria in Microscopy
• Title（参考訳）: MiShape: 顕微鏡によるミトコンドリアの3次元形状モデリング
• Authors: Abhinanda R. Punnakkal, Suyog S Jadhav, Alexander Horsch, Krishna Agarwal, Dilip K. Prasad
• Abstract要約: ミトコンドリアに先立ってMiShapeと呼ばれる形状を学習することでギャップを埋める手法を提案する。 MiShapeはミトコンドリア形状の暗黙的な表現を用いて学習された生成モデルである。 2次元蛍光画像または2次元スライスの小さな3次元スタックが与えられた3次元形状再構成におけるMiShapeの表現力とその有用性を示す。
• 参考スコア（独自算出の注目度）: 65.7909757178576
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Fluorescence microscopy is a quintessential tool for observing cells and understanding the underlying mechanisms of life-sustaining processes of all living organisms. The problem of extracting 3D shape of mitochondria from fluorescence microscopy images remains unsolved due to the complex and varied shapes expressed by mitochondria and the poor resolving capacity of these microscopes. We propose an approach to bridge this gap by learning a shape prior for mitochondria termed as MiShape, by leveraging high-resolution electron microscopy data. MiShape is a generative model learned using implicit representations of mitochondrial shapes. It provides a shape distribution that can be used to generate infinite realistic mitochondrial shapes. We demonstrate the representation power of MiShape and its utility for 3D shape reconstruction given a single 2D fluorescence image or a small 3D stack of 2D slices. We also showcase applications of our method by deriving simulated fluorescence microscope datasets that have realistic 3D ground truths for the problem of 2D segmentation and microscope-to-microscope transformation.
• Abstract（参考訳）: 蛍光顕微鏡は、細胞を観察し、生命維持過程の基礎となるメカニズムを理解するための重要なツールである。 蛍光顕微鏡画像からミトコンドリアの3次元形状を抽出する問題は、ミトコンドリアが発現する複雑で多様な形状とこれらの顕微鏡の分解能の乏しいため解決されていない。 本研究では,高分解能電子顕微鏡データを用いてミトコンドリアに先立つ形状を学習することにより,このギャップを橋渡しする手法を提案する。 MiShapeはミトコンドリア形状の暗黙的な表現を用いて学習された生成モデルである。 無限に現実的なミトコンドリア形を生成するために使用できる形状分布を提供する。 2次元蛍光画像または2次元スライスの小さな3次元スタックが与えられた3次元形状再構成におけるMiShapeの表現力とその有用性を示す。 また,2次元セグメンテーションと顕微鏡-顕微鏡変換の問題に対して,現実的な3次元基底真理を持つ蛍光顕微鏡データセットを導出することにより,本手法の適用例を示す。

関連論文リスト

• MUDiff: Unified Diffusion for Complete Molecule Generation [104.7021929437504]
  本稿では,原子の特徴,2次元離散分子構造,および3次元連続分子座標を含む分子の包括的表現を生成する新しいモデルを提案する。 拡散過程を認知するための新しいグラフトランスフォーマーアーキテクチャを提案する。 我々のモデルは、安定で多様な分子を設計するための有望なアプローチであり、分子モデリングの幅広いタスクに適用できる。
  論文  参考訳（メタデータ） (2023-04-28T04:25:57Z)
• Generative modeling of living cells with SO(3)-equivariant implicit neural representations [2.146287726016005]
  ニューラルネットワークによって推定される符号付き距離関数(SDF)のレベルセットとして,生きた細胞形状を表現することを提案する。 我々は、完全に接続されたニューラルネットワークを最適化し、3D+時間領域の任意の時点におけるSDF値の暗黙的な表現を提供する。 本研究では, 急激な変形を示す細胞 (Platynereis dumerilii) , 増殖・分裂する細胞 (C. elegans) , および糸状体突起を成長・分岐する細胞 (A549ヒト肺癌細胞) に対するこのアプローチの有効性を示す。
  論文  参考訳（メタデータ） (2023-04-18T12:51:18Z)
• 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)
• Generative Deformable Radiance Fields for Disentangled Image Synthesis of Topology-Varying Objects [52.46838926521572]
  3D認識生成モデルは、モノクロ2D画像の集合から3Dニューラル放射場(NeRF)を生成するスーパーブパフォーマンスを実証した。 本研究では, トポロジー変化物体の放射場を非交絡形状と外観変化で合成する生成モデルを提案する。
  論文  参考訳（メタデータ） (2022-09-09T08:44:06Z)
• A Diffusion Model Predicts 3D Shapes from 2D Microscopy Images [36.17295590429516]
  2次元顕微鏡画像からの3次元細胞形状予測の逆問題に対する拡散モデルであるdisPRを導入する。 拡散モデルが3次元の逆問題に適用可能であることを示すとともに、2次元顕微鏡画像から現実的な形態的特徴を持つ3次元形状を再構成することを学ぶ。
  論文  参考訳（メタデータ） (2022-08-30T10:21:40Z)
• Disentangled3D: Learning a 3D Generative Model with Disentangled Geometry and Appearance from Monocular Images [94.49117671450531]
  最先端の3D生成モデルは、合成に神経的な3Dボリューム表現を使用するGANである。 本稿では,単分子観察だけで物体の絡み合ったモデルを学ぶことができる3D GANを設計する。
  論文  参考訳（メタデータ） (2022-03-29T22:03:18Z)
• 3D Reconstruction of Curvilinear Structures with Stereo Matching DeepConvolutional Neural Networks [52.710012864395246]
  本稿では,立体対における曲線構造の検出とマッチングのための完全自動パイプラインを提案する。 主に、TEM画像のステレオ対から転位を3次元再構成することに焦点を当てる。
  論文  参考訳（メタデータ） (2021-10-14T23:05:47Z)
• 3D Structure from 2D Microscopy images using Deep Learning [0.0]
  近年の人工知能の進歩は、顕微鏡画像から正確な3D構造を取り出すために応用されている。 本稿では,2次元単一分子局在顕微鏡画像からタンパク質複合体を再構成する深層学習ソリューションを提案する。
  論文  参考訳（メタデータ） (2021-10-14T14:55:41Z)
• RCNN-SliceNet: A Slice and Cluster Approach for Nuclei Centroid Detection in Three-Dimensional Fluorescence Microscopy Images [16.377426160171982]
  本稿では,3次元顕微鏡ボリュームの遠心波検出のためのスケーラブルなアプローチを提案する。 本稿では、RCNN-SliceNetを用いて、体積のスライス毎に異なる方向から2次元核セントロイドを検出する。 提案手法は, 3次元顕微鏡で核中心体を正確に計測し, 検出することができる。
  論文  参考訳（メタデータ） (2021-06-29T23:38:29Z)
• Simulation-supervised deep learning for analysing organelles states and behaviour in living cells [9.606697185025988]
  物理に基づく精密な顕微鏡データのモデリングが、教師あり学習のためのシミュレーショントレーニングデータセットを生成するための解決策であることを示す。 IoUスコアはミトコンドリアの2成分分画で91%と前代未聞の値を示した。
  論文  参考訳（メタデータ） (2020-08-26T19:53:46Z)

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。