論文の概要: AxonCallosumEM Dataset: Axon Semantic Segmentation of Whole Corpus
Callosum cross section from EM Images
- arxiv url: http://arxiv.org/abs/2307.02464v1
- Date: Wed, 5 Jul 2023 17:38:01 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-06 12:48:16.617987
- Title: AxonCallosumEM Dataset: Axon Semantic Segmentation of Whole Corpus
Callosum cross section from EM Images
- Title（参考訳）: AxonCallosumEMデータセット:EM画像からの全体カルロサム断面の軸索セマンティックセグメンテーション
- Authors: Ao Cheng and Guoqiang Zhao and Lirong Wang and Ruobing Zhang
- Abstract要約: AxonCallosumEMデータセットは、レット症候群(RTT)マウスモデル(英語版)のコーパスカロサムから取得した1.83×5.76mmのEM画像を含む。
我々は1024倍の1024倍の解像度で60,000以上のパッチを慎重に検証し、ミエリンの軸索とミエリンのシースに包括的真実を提供する。
- 参考スコア（独自算出の注目度）: 1.433758865948252
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The electron microscope (EM) remains the predominant technique for
elucidating intricate details of the animal nervous system at the nanometer
scale. However, accurately reconstructing the complex morphology of axons and
myelin sheaths poses a significant challenge. Furthermore, the absence of
publicly available, large-scale EM datasets encompassing complete cross
sections of the corpus callosum, with dense ground truth segmentation for axons
and myelin sheaths, hinders the advancement and evaluation of holistic corpus
callosum reconstructions. To surmount these obstacles, we introduce the
AxonCallosumEM dataset, comprising a 1.83 times 5.76mm EM image captured from
the corpus callosum of the Rett Syndrome (RTT) mouse model, which entail
extensive axon bundles. We meticulously proofread over 600,000 patches at a
resolution of 1024 times 1024, thus providing a comprehensive ground truth for
myelinated axons and myelin sheaths. Additionally, we extensively annotated
three distinct regions within the dataset for the purposes of training,
testing, and validation. Utilizing this dataset, we develop a fine-tuning
methodology that adapts Segment Anything Model (SAM) to EM images segmentation
tasks, called EM-SAM, enabling outperforms other state-of-the-art methods.
Furthermore, we present the evaluation results of EM-SAM as a baseline.
- Abstract（参考訳）: 電子顕微鏡(EM)は、動物神経系の複雑な詳細をナノメートルスケールで解明する主要な技術である。
しかし、軸索とミエリンシースの複雑な形態を正確に再構築することは重要な課題である。
さらに, コーパス・カロサムの全断面を含む大規模EMデータセットが欠如しており, 軸索とミエリン・シースとの密接な接地真実セグメンテーションは, コーパス・カロサム再建の進展と評価を妨げる。
これらの障害を克服するために、rettシンドローム(rtt)マウスモデルのコーパスカルーサムからキャプチャされた1.83倍5.76mmのem画像からなるaxoncallosumemデータセットを導入し、広範な軸索束を含む。
我々は1024倍の1024倍の解像度で60,000以上のパッチを慎重に検証し、ミエリンの軸索とミエリンのシースに包括的真実を提供する。
さらに、トレーニング、テスト、検証のために、データセット内の3つの異なる領域を広範囲に注釈付けしました。
このデータセットを利用することで、EM-SAMと呼ばれるEM画像のセグメンテーションタスクにSegment Anything Model(SAM)を適応させる微調整手法を開発した。
さらに,EM-SAMをベースラインとして評価した。
関連論文リスト
- ShapeMamba-EM: Fine-Tuning Foundation Model with Local Shape Descriptors and Mamba Blocks for 3D EM Image Segmentation [49.42525661521625]
本稿では3次元EMセグメンテーションのための特殊微調整法であるShapeMamba-EMを提案する。
5つのセグメンテーションタスクと10のデータセットをカバーする、幅広いEMイメージでテストされている。
論文 参考訳（メタデータ） (2024-08-26T08:59:22Z) - High-resolution segmentations of the hypothalamus and its subregions for training of segmentation models [1.0486773259892048]
HELM, hypothalamic ex vivo Label Mapsは10個の半球から利用可能な超高解像度の生体外MRIから構築されたラベルマップからなるデータセットである。
視床下部領域のマニュアルラベルと脳の残りの部分の自動セグメンテーションを組み合わせることで、脳全体をシミュレートする。
論文 参考訳（メタデータ） (2024-06-27T19:16:57Z) - Meply: A Large-scale Dataset and Baseline Evaluations for Metastatic Perirectal Lymph Node Detection and Segmentation [10.250943622693429]
今回,Meply という大規模な直腸転移性リンパ節CT画像データセットを初めて紹介した。
本稿では,新しいリンパ節分節モデルであるCoSAMを紹介する。
CoSAMは、直腸癌における転移性リンパ節の分節を誘導する配列に基づく検出を利用する。
論文 参考訳（メタデータ） (2024-04-13T07:30:16Z) - Mask-Enhanced Segment Anything Model for Tumor Lesion Semantic Segmentation [48.107348956719775]
Mask-Enhanced SAM (M-SAM) は, 腫瘍の3次元セグメント化に適した革新的なアーキテクチャである。
本稿では,M-SAM内におけるMask-Enhanced Adapter (MEA) を提案する。
我々のM-SAMは高いセグメンテーション精度を達成し、またロバストな一般化を示す。
論文 参考訳（メタデータ） (2024-03-09T13:37:02Z) - MA-SAM: Modality-agnostic SAM Adaptation for 3D Medical Image
Segmentation [58.53672866662472]
我々はMA-SAMと命名されたモダリティに依存しないSAM適応フレームワークを提案する。
本手法は,重量増加のごく一部だけを更新するためのパラメータ効率の高い微調整戦略に根ざしている。
画像エンコーダのトランスバータブロックに一連の3Dアダプタを注入することにより,事前学習した2Dバックボーンが入力データから3次元情報を抽出することができる。
論文 参考訳（メタデータ） (2023-09-16T02:41:53Z) - The XPRESS Challenge: Xray Projectomic Reconstruction -- Extracting
Segmentation with Skeletons [65.73888157730973]
X線ホログラフィーナノトモグラフィー(XNH)は、顕微鏡よりはるかに大規模な脳組織の高解像度画像を提供することができる。
マウス脳の皮質白質軸索のXNH像と軸索軌跡の接地真実アノテーションを提供する。
論文 参考訳（メタデータ） (2023-02-08T00:53:46Z) - Semi-Supervised Segmentation of Mitochondria from Electron Microscopy
Images Using Spatial Continuity [3.631638087834872]
ミトコンドリアの構造的・形態的・文脈的情報の空間的連続性を利用してミトコンドリアをセグメント化する半教師付き深層学習モデルを提案する。
我々のモデルは、最先端の完全教師付きモデルと同じような性能を達成するが、アノテーション付きトレーニングデータの20%しか必要としない。
論文 参考訳（メタデータ） (2022-06-06T06:52:19Z) - gACSON software for automated segmentation and morphology analyses of
myelinated axons in 3D electron microscopy [55.78588835407174]
本稿では,3D-EMボリュームにおけるミレライズされた軸索の可視化,セグメンテーション,アセスメント,形態解析のためのフリーソフトウェアgACSONを紹介する。
gACSONは、ミエリン化軸索とその対応するミエリンの軸索内空間を自動的に分割する。
軸索径、軸索偏心性、ミエリン厚み、g比などのミエリン化軸索の形態を解析する。
論文 参考訳（メタデータ） (2021-12-13T08:17:15Z) - AxonEM Dataset: 3D Axon Instance Segmentation of Brain Cortical Regions [22.87130178598667]
AxonEMデータセットは、ヒトとマウスの皮質からの2つの30x30x30 um3 EM画像ボリュームから構成される。
我々は,高密度な3次元軸索インスタンスセグメンテーションを実現するために,18,000以上の軸索インスタンスを徹底的に検証した。
データボリュームごとに、トレーニング用の9つの根拠真理サブボリュームを強く注釈付けします。
論文 参考訳（メタデータ） (2021-07-12T14:24:03Z) - Deep Negative Volume Segmentation [60.44793799306154]
対象物を取り囲むすべての組織間で空の空間を分割する3Dセグメント化タスクに対する新しい角度を提案する。
我々のアプローチは骨分割のためのV-Netを含むエンドツーエンドパイプラインである。
顎顔面領域の専門医が注釈を付した50名の患者データセットにおけるCTスキャンの考え方を検証した。
論文 参考訳（メタデータ） (2020-06-22T16:55:23Z)
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。