論文の概要: Generative modeling of living cells with SO(3)-equivariant implicit neural representations

• arxiv url: http://arxiv.org/abs/2304.08960v2
• Date: Thu, 12 Oct 2023 20:08:52 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-16 17:56:00.008910
• Title: Generative modeling of living cells with SO(3)-equivariant implicit neural representations
• Title（参考訳）: SO(3)等価な暗黙的神経表現を持つ生体細胞の生成モデル
• Authors: David Wiesner, Julian Suk, Sven Dummer, Tereza Ne\v{c}asov\'a, Vladim\'ir Ulman, David Svoboda, Jelmer M. Wolterink
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 2.146287726016005
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Data-driven cell tracking and segmentation methods in biomedical imaging require diverse and information-rich training data. In cases where the number of training samples is limited, synthetic computer-generated data sets can be used to improve these methods. This requires the synthesis of cell shapes as well as corresponding microscopy images using generative models. To synthesize realistic living cell shapes, the shape representation used by the generative model should be able to accurately represent fine details and changes in topology, which are common in cells. These requirements are not met by 3D voxel masks, which are restricted in resolution, and polygon meshes, which do not easily model processes like cell growth and mitosis. In this work, we propose to represent living cell shapes as level sets of signed distance functions (SDFs) which are estimated by neural networks. We optimize a fully-connected neural network to provide an implicit representation of the SDF value at any point in a 3D+time domain, conditioned on a learned latent code that is disentangled from the rotation of the cell shape. We demonstrate the effectiveness of this approach on cells that exhibit rapid deformations (Platynereis dumerilii), cells that grow and divide (C. elegans), and cells that have growing and branching filopodial protrusions (A549 human lung carcinoma cells). A quantitative evaluation using shape features and Dice similarity coefficients of real and synthetic cell shapes shows that our model can generate topologically plausible complex cell shapes in 3D+time with high similarity to real living cell shapes. Finally, we show how microscopy images of living cells that correspond to our generated cell shapes can be synthesized using an image-to-image model.
• Abstract（参考訳）: バイオメディカルイメージングにおけるデータ駆動型細胞追跡とセグメンテーション手法は、多様な情報豊富なトレーニングデータを必要とする。 トレーニングサンプル数が限られている場合、これらの手法を改善するために合成コンピュータ生成データセットを使用することができる。 これは、生成モデルを用いて細胞形状と対応する顕微鏡画像の合成を必要とする。 現実的な生きた細胞形状を合成するために、生成モデルで使われる形状表現は、細胞に共通するトポロジーの細部や変化を正確に表現できるべきである。 これらの要件は、解像度が制限された3dボクセルマスクや、細胞の成長や分裂などのプロセスを簡単にモデル化できないポリゴンメッシュでは満たされない。 本研究では,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。 3D+時間領域の任意の点におけるSDF値の暗黙的な表現をセル形状の回転から切り離された学習潜在コードに条件付けるために、完全に接続されたニューラルネットワークを最適化する。 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) および糸状体前駆細胞 (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。 実細胞形状および合成細胞形状の形状特徴とサイス類似度係数を用いた定量的評価により,本モデルが実細胞形状と高い類似度を有する3d+時間における位相的可算複素細胞形状を生成できることを示した。 最後に,我々の生成した細胞形状に対応する生体細胞の顕微鏡像を画像から画像へのモデルを用いて合成する方法を示す。

関連論文リスト

• Practical Guidelines for Cell Segmentation Models Under Optical Aberrations in Microscopy [14.042884268397058]
  本研究は,光収差下でのセル画像のセグメンテーションモデルについて,蛍光顕微鏡と光電場顕微鏡を用いて評価する。 ネットワークヘッドの異なるOstoしきい値法やMask R-CNNなどのセグメンテーションモデルをトレーニングし,テストする。 対照的に、Cellpose 2.0は同様の条件下で複雑な細胞画像に有効であることが証明されている。
  論文  参考訳（メタデータ） (2024-04-12T15:45:26Z)
• 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)
• MiShape: 3D Shape Modelling of Mitochondria in Microscopy [65.7909757178576]
  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。
  論文  参考訳（メタデータ） (2023-03-02T19:21:21Z)
• 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)
• Deep Learning Enabled Time-Lapse 3D Cell Analysis [7.094247258573337]
  本稿では, タイムラプスな3Dセル解析手法を提案する。 そこで我々は,細胞下の特徴を正確に局所化し,定量的に分析する問題を考察した。 コードはGithubで入手でき、このメソッドはBisQueポータル経由でサービスとして利用できる。
  論文  参考訳（メタデータ） (2022-08-17T00:07:25Z)
• Implicit Neural Representations for Generative Modeling of Living Cell Shapes [3.84519093892967]
  細胞形状合成のための深い生成モデルは、細胞の形状の軽量で柔軟な表現を必要とする。 本研究では,セル形状を表すために符号付き距離関数のレベルセット(SDF)を提案する。 ニューラルネットワークを3D+時間領域の任意の点におけるSDF値の暗黙的なニューラル表現として最適化する。 以上の結果から, 合成細胞の形状記述子は実細胞の形状と類似しており, 複雑な細胞形状のトポロジカルな配列を3次元+時間で生成できることがわかった。
  論文  参考訳（メタデータ） (2022-07-13T15:28:07Z)
• CellCentroidFormer: Combining Self-attention and Convolution for Cell Detection [4.555723508665994]
  顕微鏡画像における細胞検出のためのハイブリッドCNN-ViTモデルを提案する。 センチロイドを用いた細胞検出法は、細胞を楕円体として表現し、エンドツーエンドの訓練を可能にする。
  論文  参考訳（メタデータ） (2022-06-01T09:04:39Z)
• 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)
• Enforcing Morphological Information in Fully Convolutional Networks to Improve Cell Instance Segmentation in Fluorescence Microscopy Images [1.408123603417833]
  本稿では,よく知られたU-Netアーキテクチャに基づく新しいセルインスタンス分割手法を提案する。 深部距離変換器(DDT)がバックボーンモデルとして機能する。 その結果,従来のU-Netアーキテクチャよりも性能が向上することが示唆された。
  論文  参考訳（メタデータ） (2021-06-10T15:54:38Z)
• Comparisons among different stochastic selection of activation layers for convolutional neural networks for healthcare [77.99636165307996]
  ニューラルネットワークのアンサンブルを用いて生体医用画像の分類を行う。 ReLU, leaky ReLU, Parametric ReLU, ELU, Adaptive Piecewice Linear Unit, S-Shaped ReLU, Swish, Mish, Mexican Linear Unit, Parametric Deformable Linear Unit, Soft Root Sign。
  論文  参考訳（メタデータ） (2020-11-24T01:53:39Z)
• Neural Cellular Automata Manifold [84.08170531451006]
  ニューラルセルラーオートマタのニューラルネットワークアーキテクチャは、より大きなNNにカプセル化可能であることを示す。 これにより、NAAの多様体を符号化する新しいモデルを提案し、それぞれが異なる画像を生成することができる。 生物学的には、我々のアプローチは転写因子の役割を担い、細胞の分化を促進する特定のタンパク質への遺伝子マッピングを調節する。
  論文  参考訳（メタデータ） (2020-06-22T11:41:57Z)

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。