論文の概要: NCL-SM: A Fully Annotated Dataset of Images from Human Skeletal Muscle Biopsies

• arxiv url: http://arxiv.org/abs/2311.15113v1
• Date: Sat, 25 Nov 2023 20:29:35 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-29 21:55:35.893183
• Title: NCL-SM: A Fully Annotated Dataset of Images from Human Skeletal Muscle Biopsies
• Title（参考訳）: ncl-sm:ヒト骨格筋生検画像の完全な注釈付きデータセット
• Authors: Atif Khan, Conor Lawless, Amy Vincent, Charlotte Warren, Valeria Di Leo, Tiago Gomes, A. Stephen McGough
• Abstract要約: ヒト骨格筋(SM)組織断面の単一細胞解析は、多くの神経筋疾患を理解するための基本的なツールである。 この分析が信頼性と再現性を有するためには、SM組織の顕微鏡像(分画)内の個々の線維の同定を自動的かつ正確に行う必要がある。 完全に自動化され、正確で再現可能なセグメンテーションは、MLモデルをトレーニングすることで可能であると我々は信じている。 本稿では,健常者および遺伝子診断された筋疾患患者から,46個のヒトSM組織横断断面の高品質なバイオイメージングデータセットであるNCL-SMをリリースする。
• 参考スコア（独自算出の注目度）: 1.4183971140167246
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Single cell analysis of human skeletal muscle (SM) tissue cross-sections is a fundamental tool for understanding many neuromuscular disorders. For this analysis to be reliable and reproducible, identification of individual fibres within microscopy images (segmentation) of SM tissue should be automatic and precise. Biomedical scientists in this field currently rely on custom tools and general machine learning (ML) models, both followed by labour intensive and subjective manual interventions to fine-tune segmentation. We believe that fully automated, precise, reproducible segmentation is possible by training ML models. However, in this important biomedical domain, there are currently no good quality, publicly available annotated imaging datasets available for ML model training. In this paper we release NCL-SM: a high quality bioimaging dataset of 46 human SM tissue cross-sections from both healthy control subjects and from patients with genetically diagnosed muscle pathology. These images include $>$ 50k manually segmented muscle fibres (myofibres). In addition we also curated high quality myofibre segmentations, annotating reasons for rejecting low quality myofibres and low quality regions in SM tissue images, making these annotations completely ready for downstream analysis. This, we believe, will pave the way for development of a fully automatic pipeline that identifies individual myofibres within images of tissue sections and, in particular, also classifies individual myofibres that are fit for further analysis.
• Abstract（参考訳）: ヒト骨格筋(SM)組織断面の単細胞解析は多くの神経筋疾患を理解するための基本的なツールである。 この分析が信頼できる再現性を持つためには、sm組織の顕微鏡像(セグメンテーション)内の個々の繊維を自動的かつ正確に同定する必要がある。 この分野の生物医学科学者は現在、カスタムツールと一般的な機械学習(ml)モデルに依存している。 完全に自動化され、正確で再現可能なセグメンテーションは、MLモデルをトレーニングすることで可能であると考えています。 しかし、この重要なバイオメディカル領域では、mlモデルのトレーニングで利用可能な、品質のよいアノテーション付き画像データセットは、現在公開されていない。 本稿では,健常者および遺伝子診断された筋疾患患者から,46個のヒトSM組織横断断面の高品質なバイオイメージングデータセットNCL-SMをリリースする。 これらの画像には、手動で分割した筋肉繊維(筋繊維)が含まれます。 また,sm組織画像における低品質筋線維と低品質領域の拒絶理由を指摘し,これらのアノテーションを下流解析に完全対応させた。 これは、組織断面の画像内の個々の筋線維を識別する完全自動パイプラインの開発方法であり、特に、さらなる分析に適合する個々の筋線維を分類するものであると我々は信じている。

関連論文リスト

• MSTT-199: MRI Dataset for Musculoskeletal Soft Tissue Tumor Segmentation [0.0]
  胸部軟部腫瘍199例のMR画像データセットの収集について報告する。 このデータセットでセグメンテーションモデルをトレーニングし、公開データセットでベンチマークしました。 我々のモデルは、微調整なしで、ボックスから0.79の最先端のサイコロスコアを達成した。
  論文  参考訳（メタデータ） (2024-09-04T22:33:17Z)
• MedCLIP-SAM: Bridging Text and Image Towards Universal Medical Image Segmentation [2.2585213273821716]
  本稿では,CLIPモデルとSAMモデルを組み合わせて臨床スキャンのセグメンテーションを生成する新しいフレームワーク MedCLIP-SAM を提案する。 3つの多様なセグメンテーションタスクと医用画像モダリティを広範囲にテストすることにより、提案手法は優れた精度を示した。
  論文  参考訳（メタデータ） (2024-03-29T15:59:11Z)
• 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)
• Introducing NCL-SM: A Fully Annotated Dataset of Images from Human Skeletal Muscle Biopsies [1.4183971140167246]
  骨格筋(SM)組織の単一細胞解析は、多くの神経筋疾患を理解するための基本的なツールである。 この分析は信頼性と再現性が高いため,SM組織の顕微鏡像(分画)内での個々の線維の同定は正確である。 現在、SM組織断面の画像の自動的かつ正確なセグメンテーションとキュレーションを行うツールやパイプラインは存在しない。
  論文  参考訳（メタデータ） (2023-11-18T15:18:38Z)
• Style transfer between Microscopy and Magnetic Resonance Imaging via Generative Adversarial Network in small sample size settings [49.84018914962972]
  磁気共鳴イメージング(MRI)のクロスモーダル増強と、同じ組織サンプルに基づく顕微鏡イメージングが期待できる。 コンディショナル・ジェネレーティブ・逆境ネットワーク (cGAN) アーキテクチャを用いて, コーパス・カロサムのMRI画像から顕微鏡組織像を生成する方法を検討した。
  論文  参考訳（メタデータ） (2023-10-16T13:58:53Z)
• Optimizations of Autoencoders for Analysis and Classification of Microscopic In Situ Hybridization Images [68.8204255655161]
  同様のレベルの遺伝子発現を持つ顕微鏡画像の領域を検出・分類するためのディープラーニングフレームワークを提案する。 分析するデータには教師なし学習モデルが必要です。
  論文  参考訳（メタデータ） (2023-04-19T13:45:28Z)
• Explainable Deep Learning to Profile Mitochondrial Disease Using High Dimensional Protein Expression Data [0.4893345190925177]
  現在, ミトコンドリア疾患は, 病態の理解が限られているため治療不能である。 MRI Mass Cytometry (IMC) を用いたミトコンドリア病理過程の解明を目的として, 骨格筋線維(SM)における各種ミトコンドリア蛋白の発現について検討した。 これらの画像の統計的解析には、患者の筋肉生検のIMC画像に数千のSMの半自動アノテーションが必要である。 本稿では,IMCデータに対する深層学習(DL)を用いた手動前処理ステップや統計要約,統計モデルなしで解析する方法について検討する。
  論文  参考訳（メタデータ） (2022-10-31T14:39:23Z)
• Deep regression for uncertainty-aware and interpretable analysis of large-scale body MRI [1.6799377888527687]
  英国バイオバンクのような大規模医学研究は、医療画像技術を用いた数千人のボランティア参加者を調査した。 回帰のための畳み込みニューラルネットワークによる最近のアプローチは、これらの評価を自動的に行うことができる。 英国バイオバンクの4万人以上の被験者のMRIデータについて、これらのシステムは人間の年齢、体組成などを推定することができる。
  論文  参考訳（メタデータ） (2021-05-17T13:12:20Z)
• G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for Biomarker Identification and Disease Classification [49.53651166356737]
  診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。 2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
  論文  参考訳（メタデータ） (2021-01-27T19:28:04Z)
• Towards an Automatic Analysis of CHO-K1 Suspension Growth in Microfluidic Single-cell Cultivation [63.94623495501023]
  我々は、人間の力で抽象化されたニューラルネットワークをデータレベルで注入できる新しい機械学習アーキテクチャを提案する。 具体的には、自然データと合成データに基づいて生成モデルを同時に訓練し、細胞数などの対象変数を確実に推定できる共有表現を学習する。
  論文  参考訳（メタデータ） (2020-10-20T08:36:51Z)
• Co-Heterogeneous and Adaptive Segmentation from Multi-Source and Multi-Phase CT Imaging Data: A Study on Pathological Liver and Lesion Segmentation [48.504790189796836]
  我々は,新しいセグメンテーション戦略,コヘテロジネティック・アダプティブセグメンテーション(CHASe)を提案する。 本稿では,外見に基づく半スーパービジョン,マスクに基づく対向ドメイン適応,擬似ラベルを融合した多目的フレームワークを提案する。 CHASeは4.2% sim 9.4%$の範囲で、病理的な肝臓マスクDice-Sorensen係数をさらに改善することができる。
  論文  参考訳（メタデータ） (2020-05-27T06:58:39Z)

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。