論文の概要: Deep Learning-Assisted Localisation of Nanoparticles in synthetically generated two-photon microscopy images

• arxiv url: http://arxiv.org/abs/2303.16903v1
• Date: Fri, 17 Mar 2023 14:48:50 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-02 18:15:31.055229
• Title: Deep Learning-Assisted Localisation of Nanoparticles in synthetically generated two-photon microscopy images
• Title（参考訳）: 深層学習による合成2光子顕微鏡画像におけるナノ粒子の局在
• Authors: Rasmus Netterstr{\o}m, Nikolay Kutuzov, Sune Darkner, Maurits J{\o}rring Pallesen, Martin Johannes Lauritzen, Kenny Erleben, Francois Lauze
• Abstract要約: 既存の強度に基づくローカライゼーション法は走査顕微鏡によるイメージングには開発されていない。 生体内での2光子顕微鏡(2PM)で記録された画像上の低信号対雑音比、分子のアウト・オブ・フォーカスの移動、および高運動のぼかしは、分子の正確な局在への挑戦である。 不足したトレーニングデータを補う2PM画像シミュレータを開発した。
• 参考スコア（独自算出の注目度）: 6.251942628138834
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Tracking single molecules is instrumental for quantifying the transport of molecules and nanoparticles in biological samples, e.g., in brain drug delivery studies. Existing intensity-based localisation methods are not developed for imaging with a scanning microscope, typically used for in vivo imaging. Low signal-to-noise ratios, movement of molecules out-of-focus, and high motion blur on images recorded with scanning two-photon microscopy (2PM) in vivo pose a challenge to the accurate localisation of molecules. Using data-driven models is challenging due to low data volumes, typical for in vivo experiments. We developed a 2PM image simulator to supplement scarce training data. The simulator mimics realistic motion blur, background fluorescence, and shot noise observed in vivo imaging. Training a data-driven model with simulated data improves localisation quality in simulated images and shows why intensity-based methods fail.
• Abstract（参考訳）: 単一分子の追跡は、生物サンプル中の分子やナノ粒子の輸送を定量化するのに有用である。 既存の強度に基づくローカライゼーション法は走査顕微鏡によるイメージングには開発されていない。 低信号対雑音比、焦点外分子の移動、および走査型2光子顕微鏡(2pm)で記録された画像の高動きのぼやけは、分子の正確な局在に挑戦する。 データ駆動モデルの使用は、インビボ実験の典型例である低データ量のため、困難である。 少ないトレーニングデータを補う2PM画像シミュレータを開発した。 シミュレーターは、現実的な動きのぼやけ、背景蛍光、in vivoで観察されたショットノイズを模倣する。 シミュレーションデータを用いたデータ駆動モデルのトレーニングは、シミュレーション画像のローカライズ品質を改善し、なぜ強度ベースの手法が失敗するのかを示す。

関連論文リスト

• Fast spline detection in high density microscopy data [0.0]
  多生物系の顕微鏡的研究において、衝突と重なりの問題は依然として困難である。 そこで,本研究では,一般的なモチーフと重なり合うスプラインの正確な形状軌跡を抽出する,エンドツーエンドの深層学習手法を開発した。 線虫Caenorhabditis elegansの密集実験における使用性の設定と実証を行った。
  論文  参考訳（メタデータ） (2023-01-11T13:40:05Z)
• Pixelated Reconstruction of Foreground Density and Background Surface Brightness in Gravitational Lensing Systems using Recurrent Inference Machines [116.33694183176617]
  我々は、リカレント推論マシンに基づくニューラルネットワークを用いて、背景画像の歪みのない画像と、画素マップとしてのレンズ質量密度分布を再構成する。 従来のパラメトリックモデルと比較して、提案手法はより表現力が高く、複雑な質量分布を再構成することができる。
  論文  参考訳（メタデータ） (2023-01-10T19:00:12Z)
• Application of the YOLOv5 Model for the Detection of Microobjects in the Marine Environment [101.18253437732933]
  海洋環境における微小物体の自動検出と認識の問題を解決するためのYOLOV5機械学習モデルの有効性について検討した。
  論文  参考訳（メタデータ） (2022-11-28T10:58:50Z)
• Differentiable Electron Microscopy Simulation: Methods and Applications for Visualization [40.8023670606058]
  そこで本研究では,微視的形態で原子モデルを記述することのできる新しい顕微鏡シミュレーションシステムを提案する。 このシステムはスケーラブルで、数十のウイルス粒子の電子顕微鏡シミュレーションを表現でき、以前の方法よりも高速に画像を合成できる。
  論文  参考訳（メタデータ） (2022-05-08T12:39:04Z)
• Multi-StyleGAN: Towards Image-Based Simulation of Time-Lapse Live-Cell Microscopy [23.720106678247888]
  生体細胞の時間分解蛍光顕微鏡像をシミュレートする手法としてMulti-StyleGANを提案する。 この新規な生成逆ネットワークは連続した時間ステップのマルチドメイン配列を合成する。 このシミュレーションは、細胞の形態、成長、物理的相互作用、および蛍光レポータータンパク質の強度など、基礎となる生理的要因と時間的依存を捉えている。
  論文  参考訳（メタデータ） (2021-06-15T16:51:16Z)
• Deep Bayesian Active Learning for Accelerating Stochastic Simulation [74.58219903138301]
  Interactive Neural Process(INP)は、シミュレーションとアクティブな学習アプローチのためのディープラーニングフレームワークである。 能動的学習のために,NPベースモデルの潜時空間で計算された新しい取得関数Latent Information Gain (LIG)を提案する。 その結果,STNPは学習環境のベースラインを上回り,LIGは能動学習の最先端を達成していることがわかった。
  論文  参考訳（メタデータ） (2021-06-05T01:31:51Z)
• Generation and Simulation of Yeast Microscopy Imagery with Deep Learning [0.0]
  時間経過蛍光顕微鏡(tlfm)は合成生物研究において重要なツールである。 本論文は,画像レベルでのtlfm実験の深層学習に基づくモデリングに向けた研究である。
  論文  参考訳（メタデータ） (2021-03-22T13:30:24Z)
• Estimating Nonplanar Flow from 2D Motion-blurred Widefield Microscopy Images via Deep Learning [7.6146285961466]
  本研究では,単一テクスチャの広視野顕微鏡画像から,運動ボケの局所特性を用いた平面外粒子の移動を予測する手法を提案する。 この方法では、高速カメラや高強度光露光を必要とせずに、マイクロスコピストが試料の動的特性に関する洞察を得ることができる。
  論文  参考訳（メタデータ） (2021-02-14T19:44:28Z)
• Deep Low-Shot Learning for Biological Image Classification and Visualization from Limited Training Samples [52.549928980694695]
  In situ hybridization (ISH) gene expression pattern image from the same developmental stage。 正確な段階のトレーニングデータをラベル付けするのは、生物学者にとっても非常に時間がかかる。 限られた訓練画像を用いてISH画像を正確に分類する2段階の低ショット学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-10-20T06:06:06Z)
• Neural network quantum state tomography in a two-qubit experiment [52.77024349608834]
  機械学習にインスパイアされた変分法は、量子シミュレータのスケーラブルな状態キャラクタリゼーションへの有望な経路を提供する。 本研究では,2ビットの絡み合った状態を生成する実験から得られた測定データに適用することにより,いくつかの手法をベンチマークし比較する。 実験的な不完全性やノイズの存在下では、変動多様体を物理状態に収束させることで、再構成された状態の質が大幅に向上することがわかった。
  論文  参考訳（メタデータ） (2020-07-31T17:25:12Z)
• Self-Supervised Linear Motion Deblurring [112.75317069916579]
  深層畳み込みニューラルネットワークは、画像の劣化の最先端技術である。 本稿では,自己監督型動作遅延に対する識別可能なreblurモデルを提案する。 我々の実験は、自己監督された単一画像の劣化が本当に実現可能であることを実証した。
  論文  参考訳（メタデータ） (2020-02-10T20:15:21Z)

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。