論文の概要: Advanced Image Segmentation Techniques for Neural Activity Detection via
C-fos Immediate Early Gene Expression
- arxiv url: http://arxiv.org/abs/2312.08177v1
- Date: Wed, 13 Dec 2023 14:36:16 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-14 15:12:21.378624
- Title: Advanced Image Segmentation Techniques for Neural Activity Detection via
C-fos Immediate Early Gene Expression
- Title（参考訳）: c-fos直後遺伝子発現による神経活動検出のための高度な画像分割技術
- Authors: Peilin Cai
- Abstract要約: 我々は、畳み込みニューラルネットワーク(CNN)とUnetモデルを含むセグメンテーションプロセスのための新しいワークフローを開発する。
我々は,C-fos発現の著しい部位と正常組織領域との鑑別における本法の有効性を実証した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper investigates the application of advanced image segmentation
techniques to analyze C-fos immediate early gene expression, a crucial marker
for neural activity. Due to the complexity and high variability of neural
circuits, accurate segmentation of C-fos images is paramount for the
development of new insights into neural function. Amidst this backdrop, this
research aims to improve accuracy and minimize manual intervention in C-fos
image segmentation by leveraging the capabilities of CNNs and the Unet model.
We describe the development of a novel workflow for the segmentation process
involving Convolutional Neural Networks (CNNs) and the Unet model,
demonstrating their efficiency in various image segmentation tasks. Our
workflow incorporates pre-processing steps such as cropping, image feature
extraction, and clustering for the training dataset selection. We used an
AutoEncoder model to extract features and implement constrained clustering to
identify similarities and differences in image types. Additionally, we utilized
manual and automatic labeling approaches to enhance the performance of our
model. We demonstrated the effectiveness of our method in distinguishing areas
with significant C-fos expression from normal tissue areas. Lastly, we
implemented a modified Unet network for the detection of C-fos expressions.
This research contributes to the development of more efficient and automated
image segmentation methods, advancing the understanding of neural function in
neuroscience research.
- Abstract（参考訳）: 本稿では,神経活動の重要なマーカーであるC-fos即時初期遺伝子発現解析への高度な画像分割手法の適用について検討する。
神経回路の複雑さと高い可変性のため、C-fos画像の正確なセグメンテーションは神経機能に関する新たな洞察を生み出す上で最重要である。
本研究の目的は,CNNとUnetモデルの能力を活用し,C-fos画像分割における精度の向上と手動介入の最小化である。
本稿では,畳み込みニューラルネットワーク(cnns)とunetモデルを用いたセグメンテーションプロセスのための新しいワークフローの開発について述べる。
ワークフローには、クロップ、画像特徴抽出、トレーニングデータセット選択のためのクラスタリングなどの前処理ステップが組み込まれています。
我々はAutoEncoderモデルを用いて特徴を抽出し、制約付きクラスタリングを実装し、画像の類似点と相違点を特定する。
さらに,手作業および自動ラベリング手法を用いて,モデルの性能を向上させる。
正常組織領域からc-fos発現の有意な領域を識別する手法の有効性を実証した。
最後に,c-fos 表現検出のための修正 unet ネットワークを実装した。
本研究は、より効率的かつ自動化された画像分割法の開発に寄与し、神経科学研究における神経機能の理解を深める。
関連論文リスト
- Research on Optimization of Natural Language Processing Model Based on Multimodal Deep Learning [0.036651088217486416]
本研究の目的は,アテンション機構とマルチモーダルデータに基づく画像表現の研究である。
モデルに複数のパターン層を追加することで、画像コンテンツのセマンティック層と隠れ層が統合される。
ワードベクトルはWord2Vec法で定量化され、畳み込みニューラルネットワークを埋め込んだワードで評価される。
論文 参考訳（メタデータ） (2024-06-13T06:03:59Z) - Convolutional neural network based on sparse graph attention mechanism
for MRI super-resolution [0.34410212782758043]
深層学習技術を用いた医用画像超解像(SR)再構成は、病変解析を強化し、診断効率と精度を向上させるために医師を支援する。
既存のディープラーニングベースのSR手法は、これらのモデルの表現能力を本質的に制限する畳み込みニューラルネットワーク(CNN)に依存している。
画像特徴抽出に複数の畳み込み演算子特徴抽出モジュール(MCO)を用いるAネットワークを提案する。
論文 参考訳（メタデータ） (2023-05-29T06:14:22Z) - Convolutional Neural Generative Coding: Scaling Predictive Coding to
Natural Images [79.07468367923619]
畳み込み型神経生成符号化(Conv-NGC)を開発した。
我々は、潜伏状態マップを段階的に洗練する柔軟な神経生物学的動機付けアルゴリズムを実装した。
本研究は,脳にインスパイアされたニューラル・システムによる再建と画像復調の課題に対する効果について検討する。
論文 参考訳（メタデータ） (2022-11-22T06:42:41Z) - Intelligent Masking: Deep Q-Learning for Context Encoding in Medical
Image Analysis [48.02011627390706]
我々は,対象地域を排除し,事前訓練の手順を改善する,新たな自己指導型アプローチを開発した。
予測モデルに対してエージェントを訓練することで、下流の分類タスクで抽出した意味的特徴を大幅に改善できることを示す。
論文 参考訳（メタデータ） (2022-03-25T19:05:06Z) - End-to-end Neuron Instance Segmentation based on Weakly Supervised
Efficient UNet and Morphological Post-processing [0.0]
組織像からNeuN染色神経細胞を自動的に検出し,分画するエンド・ツー・エンド・エンド・エンド型のフレームワークを提案する。
私たちは最先端のネットワークであるEfficientNetをU-Netのようなアーキテクチャに統合します。
論文 参考訳（メタデータ） (2022-02-17T14:35:45Z) - Data-driven emergence of convolutional structure in neural networks [83.4920717252233]
識別タスクを解くニューラルネットワークが、入力から直接畳み込み構造を学習できることを示す。
データモデルを慎重に設計することにより、このパターンの出現は、入力の非ガウス的、高次局所構造によって引き起こされることを示す。
論文 参考訳（メタデータ） (2022-02-01T17:11:13Z) - Learning Fuzzy Clustering for SPECT/CT Segmentation via Convolutional
Neural Networks [5.3123694982708365]
QBSPECT(Quantitative bone single-photon emission Computed Tomography)は、平面骨シンチグラフィよりも骨転移をより定量的に評価する可能性を秘めています。
解剖学的領域-関心(ROI)のセグメント化は、まだ専門家による手動の記述に大きく依存しています。
本研究では,QBSPECT画像を病変,骨,背景に分割するための高速かつ堅牢な自動分割法を提案する。
論文 参考訳（メタデータ） (2021-04-17T19:03:52Z) - Sparse Signal Models for Data Augmentation in Deep Learning ATR [0.8999056386710496]
ドメイン知識を取り入れ,データ集約学習アルゴリズムの一般化能力を向上させるためのデータ拡張手法を提案する。
本研究では,空間領域における散乱中心のスパース性とアジムタル領域における散乱係数の滑らかな変動構造を活かし,過パラメータモデルフィッティングの問題を解く。
論文 参考訳（メタデータ） (2020-12-16T21:46:33Z) - An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。
半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。
本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
論文 参考訳（メタデータ） (2020-12-06T18:55:07Z) - Unsupervised Instance Segmentation in Microscopy Images via Panoptic
Domain Adaptation and Task Re-weighting [86.33696045574692]
病理組織像における教師なし核分割のためのCycle Consistency Panoptic Domain Adaptive Mask R-CNN(CyC-PDAM)アーキテクチャを提案する。
まず,合成画像中の補助的な生成物を除去するための核塗布機構を提案する。
第二に、ドメイン識別器を持つセマンティックブランチは、パンプトレベルのドメイン適応を実現するように設計されている。
論文 参考訳（メタデータ） (2020-05-05T11:08:26Z) - Pathological Retinal Region Segmentation From OCT Images Using Geometric
Relation Based Augmentation [84.7571086566595]
本稿では,幾何学と形状の内在的関係を共同で符号化することで,従来のGANベースの医用画像合成法よりも優れた手法を提案する。
提案手法は,取得手順の異なる画像を有する公開RETOUCHデータセット上で,最先端のセグメンテーション手法より優れている。
論文 参考訳（メタデータ） (2020-03-31T11:50:43Z)
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。