論文の概要: FDNet: Frequency Domain Denoising Network For Cell Segmentation in Astrocytes Derived From Induced Pluripotent Stem Cells

• arxiv url: http://arxiv.org/abs/2402.02724v1
• Date: Mon, 5 Feb 2024 04:45:24 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-06 17:47:00.857134
• Title: FDNet: Frequency Domain Denoising Network For Cell Segmentation in Astrocytes Derived From Induced Pluripotent Stem Cells
• Title（参考訳）: fdnet : 誘導多能性幹細胞由来アストロサイトにおける細胞分節の周波数領域分節ネットワーク
• Authors: Haoran Li, Jiahua Shi, Huaming Chen, Bo Du, Simon Maksour, Gabrielle Phillips, Mirella Dottori, Jun Shen
• Abstract要約: IAI704と呼ばれる新しいデータセットでアストロサイトセグメンテーションという新しいタスクを導入する。 アストロサイトセグメンテーションのために、FDNetと呼ばれる新しい周波数領域記述ネットワークが提案されている。 提案したFDNetが最先端の代替品よりも優れていることを示す実験結果を得た。
• 参考スコア（独自算出の注目度）: 24.466590789155205
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Artificially generated induced pluripotent stem cells (iPSCs) from somatic cells play an important role for disease modeling and drug screening of neurodegenerative diseases. Astrocytes differentiated from iPSCs are important targets to investigate neuronal metabolism. The astrocyte differentiation progress can be monitored through the variations of morphology observed from microscopy images at different differentiation stages, then determined by molecular biology techniques upon maturation. However, the astrocytes usually ``perfectly'' blend into the background and some of them are covered by interference information (i.e., dead cells, media sediments, and cell debris), which makes astrocytes difficult to observe. Due to the lack of annotated datasets, the existing state-of-the-art deep learning approaches cannot be used to address this issue. In this paper, we introduce a new task named astrocyte segmentation with a novel dataset, called IAI704, which contains 704 images and their corresponding pixel-level annotation masks. Moreover, a novel frequency domain denoising network, named FDNet, is proposed for astrocyte segmentation. In detail, our FDNet consists of a contextual information fusion module (CIF), an attention block (AB), and a Fourier transform block (FTB). CIF and AB fuse multi-scale feature embeddings to localize the astrocytes. FTB transforms feature embeddings into the frequency domain and conducts a high-pass filter to eliminate interference information. Experimental results demonstrate the superiority of our proposed FDNet over the state-of-the-art substitutes in astrocyte segmentation, shedding insights for iPSC differentiation progress prediction.
• Abstract（参考訳）: 体細胞から人工的に誘導される多能性幹細胞(iPSC)は、神経変性疾患の疾患モデルおよび薬物スクリーニングにおいて重要な役割を果たす。 iPSCと区別されるアストロサイトは神経代謝を研究する重要な標的である。 アストロサイト分化の進行は、異なる分化段階の顕微鏡画像から観察された形態の変化を通して観察され、成熟時に分子生物学技術によって決定される。 しかし、アストロサイトは通常「完全に」背景に溶け込み、そのうちのいくつかは干渉情報(死細胞、メディア堆積物、細胞破片など)で覆われ、アストロサイトは観察が困難になる。 注釈付きデータセットがないため、既存の最先端のディープラーニングアプローチはこの問題に対処できない。 本稿では,704画像とそのピクセルレベルアノテーションマスクを含む新しいデータセットであるiai704を用いて,アストロサイトセグメンテーションという新しいタスクを提案する。 さらに、アストロサイトセグメンテーションのために、FDNetと呼ばれる新しい周波数領域デノナイズネットワークを提案する。 FDNetは、文脈情報融合モジュール(CIF)、注意ブロック(AB)、フーリエ変換ブロック(FTB)から構成される。 cifとabはアストロサイトを局在させるためにマルチスケールの機能埋め込みを融合する。 ftbは特徴埋め込みを周波数領域に変換し、干渉情報を排除するためにハイパスフィルタを実行する。 実験により,iPSCの分化進行予測において,アストロサイトセグメンテーションの最先端代替品よりもFDNetの方が優れていることが示された。

関連論文リスト

• IAFI-FCOS: Intra- and across-layer feature interaction FCOS model for lesion detection of CT images [5.198119863305256]
  従来の検出器のマルチスケール機能融合機構は、損失なく詳細情報を伝達できない。 本稿では,マルチスケール機能融合機構ICAF-FPNを用いたIAFI-FCOSモデルを提案する。 本手法はプライベート膵病変データセットとパブリックDeepLesionデータセットの両方で広く実験されている。
  論文  参考訳（メタデータ） (2024-09-01T10:58:48Z)
• CAF-YOLO: A Robust Framework for Multi-Scale Lesion Detection in Biomedical Imagery [0.0682074616451595]
  CAF-YOLOは、畳み込みニューラルネットワーク(CNN)とトランスフォーマーの強みを活用する、医学的対象検出のための、巧妙で堅牢な方法である。 ACFMモジュールはグローバル機能とローカル機能の両方のモデリングを強化し、長期的な機能依存のキャプチャを可能にする。 MSNNは多様なスケールにまたがる特徴を抽出することで、マルチスケールの情報集約を改善する。
  論文  参考訳（メタデータ） (2024-08-04T01:44:44Z)
• CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
  縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。 ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。 我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
  論文  参考訳（メタデータ） (2024-03-21T15:13:36Z)
• Affine-Consistent Transformer for Multi-Class Cell Nuclei Detection [76.11864242047074]
  本稿では, 原子核位置を直接生成する新しいアフィン一貫性変換器 (AC-Former) を提案する。 本稿では,AAT (Adaptive Affine Transformer) モジュールを導入し,ローカルネットワークトレーニングのためのオリジナル画像をワープするための重要な空間変換を自動学習する。 実験結果から,提案手法は様々なベンチマークにおいて既存の最先端アルゴリズムを著しく上回ることがわかった。
  論文  参考訳（メタデータ） (2023-10-22T02:27:02Z)
• Cumulant expansion framework for internal gradient distributions tensors [0.0]
  内部勾配分布テンソル(IGDT)は多孔質体と生体組織を特徴付ける微細形態情報を含む。 これらのIGDTは、多孔質体および生体組織を特徴付ける微細形態情報を含む。
  論文  参考訳（メタデータ） (2023-04-04T18:33:32Z)
• Fuzzy Attention Neural Network to Tackle Discontinuity in Airway Segmentation [67.19443246236048]
  気道セグメンテーションは肺疾患の検査、診断、予後に重要である。 いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。 本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2022-09-05T16:38:13Z)
• Segmentation-guided Domain Adaptation and Data Harmonization of Multi-device Retinal Optical Coherence Tomography using Cycle-Consistent Generative Adversarial Networks [2.968191199408213]
  本稿では,複数のデバイスからの画像を単一画像領域に適応させるセグメント化誘導型領域適応手法を提案する。 来るべき新しいデータセットに対する手動ラベリングの時間消費と、既存のネットワークの再トレーニングを回避する。
  論文  参考訳（メタデータ） (2022-08-31T05:06:00Z)
• External Attention Assisted Multi-Phase Splenic Vascular Injury Segmentation with Limited Data [72.99534552950138]
  脾臓は腹部外傷において最も多く損傷を受けた固形臓器の1つである。 脾臓血管損傷の 正確な分節化は 以下の理由から 困難です
  論文  参考訳（メタデータ） (2022-01-04T02:35:56Z)
• FetReg: Placental Vessel Segmentation and Registration in Fetoscopy Challenge Dataset [57.30136148318641]
  Fetoscopy Laser Photocoagulation はツイン・ツー・ツイン・トランスフュージョン症候群(TTTS)の治療に広く用いられている治療法である これにより、プロシージャ時間と不完全アブレーションが増加し、持続的なTTTSが生じる可能性がある。 コンピュータ支援による介入は、ビデオモザイクによって胎児の視野を広げ、船体ネットワークのより良い視覚化を提供することによって、これらの課題を克服するのに役立つかもしれない。 本稿では,長期フェトスコープビデオからドリフトフリーモザイクを作成することを目的とした,胎児環境のための汎用的でロバストなセマンティックセマンティックセグメンテーションとビデオモザイクアルゴリズムを開発するための大規模マルチセントデータセットを提案する。
  論文  参考訳（メタデータ） (2021-06-10T17:14:27Z)
• A Multi-Branch Hybrid Transformer Networkfor Corneal Endothelial Cell Segmentation [28.761569157861018]
  角膜内皮細胞セグメンテーションは、細胞密度、変動係数、ヘキサゴニティなどの臨床指標を定量化する重要な役割を担っている。 局所的な畳み込みと連続的なダウンサンプリングの受容領域が限られているため、既存のディープラーニングセグメンテーション手法はグローバルコンテキストを完全に活用することはできない。 本稿では,トランスフォーマネットワーク(MBT-Net)をトランスフォーマーとボディーエッジブランチをベースとしたマルチブランチハイブリッドトランスフォーマネットワークを提案する。
  論文  参考訳（メタデータ） (2021-05-21T07:31:09Z)
• 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)

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。