論文の概要: Towards Precision Cardiovascular Analysis in Zebrafish: The ZACAF
Paradigm
- arxiv url: http://arxiv.org/abs/2402.09658v1
- Date: Thu, 15 Feb 2024 01:58:49 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-16 17:16:20.044332
- Title: Towards Precision Cardiovascular Analysis in Zebrafish: The ZACAF
Paradigm
- Title（参考訳）: ゼブラフィッシュの精密心血管解析に向けて:ZACAFパラダイム
- Authors: Amir Mohammad Naderi, Jennifer G. Casey, Mao-Hsiang Huang, Rachelle
Victorio, David Y. Chiang, Calum MacRae, Hung Cao, Vandana A. Gupta
- Abstract要約: ゼブラフィッシュの心臓機能を定量化する枠組みを開発した。
さらに、データ拡張、転送学習、テスト時間拡張を適用して、パフォーマンスを改善しました。
- 参考スコア（独自算出の注目度）: 0.9837190842240352
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Quantifying cardiovascular parameters like ejection fraction in zebrafish as
a host of biological investigations has been extensively studied. Since current
manual monitoring techniques are time-consuming and fallible, several image
processing frameworks have been proposed to automate the process. Most of these
works rely on supervised deep-learning architectures. However, supervised
methods tend to be overfitted on their training dataset. This means that
applying the same framework to new data with different imaging setups and
mutant types can severely decrease performance. We have developed a Zebrafish
Automatic Cardiovascular Assessment Framework (ZACAF) to quantify the cardiac
function in zebrafish. In this work, we further applied data augmentation,
Transfer Learning (TL), and Test Time Augmentation (TTA) to ZACAF to improve
the performance for the quantification of cardiovascular function
quantification in zebrafish. This strategy can be integrated with the available
frameworks to aid other researchers. We demonstrate that using TL, even with a
constrained dataset, the model can be refined to accommodate a novel microscope
setup, encompassing diverse mutant types and accommodating various video
recording protocols. Additionally, as users engage in successive rounds of TL,
the model is anticipated to undergo substantial enhancements in both
generalizability and accuracy. Finally, we applied this approach to assess the
cardiovascular function in nrap mutant zebrafish, a model of cardiomyopathy.
- Abstract（参考訳）: 生物調査のホストとしてのゼブラフィッシュの放出率などの心臓血管パラメータの定量化が広く研究されている。
現在の手動監視技術は時間を要するため、プロセスを自動化するためにいくつかの画像処理フレームワークが提案されている。
これらの作品のほとんどは、教師付きディープラーニングアーキテクチャに依存している。
しかし、教師付きメソッドはトレーニングデータセットに過度に適合する傾向にある。
これは、異なる画像設定とミュータントタイプの新しいデータに同じフレームワークを適用することで、パフォーマンスが大幅に低下することを意味する。
ゼブラフィッシュの心機能を評価するため,ゼブラフィッシュ自動心血管評価フレームワーク(ZACAF)を開発した。
本研究は,ゼブラフィッシュの心血管機能定量化性能を向上させるために,データ拡張,伝達学習(TL),テスト時間拡張(TTA)をZACAFに適用した。
この戦略は他の研究者を支援するために利用可能なフレームワークと統合することができる。
制約付きデータセットであっても、TLを用いることで、様々なミュータントタイプを包含し、様々なビデオ記録プロトコルを収容し、新しい顕微鏡構成に対応することができることを示す。
さらに,ユーザが連続するTLラウンドに参加することにより,一般化性と精度の両面で大幅に向上することが期待されている。
最後に,心筋症モデルであるnrap変異ゼブラフィッシュの心血管機能評価にこのアプローチを適用した。
関連論文リスト
- Decomposing the Neurons: Activation Sparsity via Mixture of Experts for Continual Test Time Adaptation [37.79819260918366]
継続的なテスト時間適応(CTTA)は、トレーニング済みのモデルを進化し続けるターゲットドメインに適応させることを目的としている。
我々はCTTAタスクのアダプタとしてMixture-of-Activation-Sparsity-Experts (MoASE)の統合について検討する。
論文 参考訳（メタデータ） (2024-05-26T08:51:39Z) - The effect of data augmentation and 3D-CNN depth on Alzheimer's Disease
detection [51.697248252191265]
この研究は、データハンドリング、実験設計、モデル評価に関するベストプラクティスを要約し、厳密に観察する。
我々は、アルツハイマー病(AD)の検出に焦点を当て、医療における課題のパラダイム的な例として機能する。
このフレームワークでは,3つの異なるデータ拡張戦略と5つの異なる3D CNNアーキテクチャを考慮し,予測15モデルを訓練する。
論文 参考訳（メタデータ） (2023-09-13T10:40:41Z) - PACMAN: a framework for pulse oximeter digit detection and reading in a
low-resource setting [0.42897826548373363]
新型コロナウイルスのパンデミックを受けて、患者は毎日の酸素飽和度(SpO2)とパルスレート(PR)値を健康モニタリングシステムに手動で入力する必要がある。
光文字認識(OCR)を用いた捕獲画像からの生理的価値の検出の試み
本研究の目的は,低リソース深層学習型コンピュータビジョンを用いたPACMANという新しいフレームワークを提案することである。
論文 参考訳（メタデータ） (2022-12-09T16:22:28Z) - Affinity Feature Strengthening for Accurate, Complete and Robust Vessel
Segmentation [48.638327652506284]
血管セグメンテーションは、冠動脈狭窄、網膜血管疾患、脳動脈瘤などの多くの医学的応用において重要である。
コントラストに敏感なマルチスケールアフィニティアプローチを用いて,幾何学的手法と画素単位のセグメンテーション特徴を連成的にモデル化する新しいアプローチであるAFNを提案する。
論文 参考訳（メタデータ） (2022-11-12T05:39:17Z) - Adapting the Mean Teacher for keypoint-based lung registration under
geometric domain shifts [75.51482952586773]
ディープニューラルネットワークは一般的に、ラベル付きトレーニングデータが多く必要であり、トレーニングデータとテストデータの間のドメインシフトに弱い。
本稿では,ラベル付きソースからラベル付きターゲットドメインへのモデルの適用により,画像登録のための幾何学的領域適応手法を提案する。
本手法は,ベースラインモデルの精度を目標データに適合させながら,ベースラインモデルの50%/47%を継続的に改善する。
論文 参考訳（メタデータ） (2022-07-01T12:16:42Z) - DLTTA: Dynamic Learning Rate for Test-time Adaptation on Cross-domain
Medical Images [56.72015587067494]
DLTTAと呼ばれるテスト時間適応のための新しい動的学習率調整法を提案する。
本手法は,現在最先端のテスト時間適応法よりも一貫した性能向上を図り,有効かつ高速なテスト時間適応を実現する。
論文 参考訳（メタデータ） (2022-05-27T02:34:32Z) - Encoding Cardiopulmonary Exercise Testing Time Series as Images for
Classification using Convolutional Neural Network [9.227037203895533]
エクササイズテストは半世紀以上にわたって利用可能であり、様々な疾患の患者の診断および予後情報のための汎用的なツールである。
本研究では,Glamian Angular Field と Markov Transition Field を用いて時系列を画像としてエンコードする。
心不全とメタボリックシンドロームの分類において,畳み込みニューラルネットワークとアテンションプールアプローチを用いて検討した。
論文 参考訳（メタデータ） (2022-04-26T16:49:06Z) - A Temporal Learning Approach to Inpainting Endoscopic Specularities and
Its effect on Image Correspondence [13.25903945009516]
本稿では,時間的生成的対位ネットワーク(GAN)を用いて,隠蔽解剖学を特異性の下で描くことを提案する。
これは、胃内視鏡(Hyper-Kvasir)の生検データを用いて、完全に教師なしの方法で達成される。
また,3次元再構成とカメラモーション推定の基盤となるコンピュータビジョンタスクにおける本手法の有効性を評価する。
論文 参考訳（メタデータ） (2022-03-31T13:14:00Z) - The Way to my Heart is through Contrastive Learning: Remote
Photoplethysmography from Unlabelled Video [10.479541955106328]
ビデオから生理的信号を確実に推定する能力は、低コストで臨床前の健康モニタリングにおいて強力なツールである。
本稿では, 人の顔や皮膚の観察から血液量の変化を計測するリモート光胸腺造影法(r)の新たなアプローチを提案する。
論文 参考訳（メタデータ） (2021-11-18T15:21:33Z) - A parameter refinement method for Ptychography based on Deep Learning
concepts [55.41644538483948]
伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。
最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。
我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
論文 参考訳（メタデータ） (2021-05-18T10:15:17Z) - Improved Slice-wise Tumour Detection in Brain MRIs by Computing
Dissimilarities between Latent Representations [68.8204255655161]
磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。
本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。
本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
論文 参考訳（メタデータ） (2020-07-24T14:02:09Z)
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。