論文の概要: MultiOrg: A Multi-rater Organoid-detection Dataset
- arxiv url: http://arxiv.org/abs/2410.14612v1
- Date: Fri, 18 Oct 2024 17:05:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-21 14:24:22.655478
- Title: MultiOrg: A Multi-rater Organoid-detection Dataset
- Title（参考訳）: MultiOrg: マルチレータ型オルガノイド検出データセット
- Authors: Christina Bukas, Harshavardhan Subramanian, Fenja See, Carina Steinchen, Ivan Ezhov, Gowtham Boosarpu, Sara Asgharpour, Gerald Burgstaller, Mareike Lehmann, Florian Kofler, Marie Piraud,
- Abstract要約: このデータセットは、400以上の高解像度の2D顕微鏡画像と、6万以上のオルガノイドのアノテーションからなる。
さらに、私たちはオルガノイド検出のためのベンチマークを提供し、人気のある画像視覚化ツールであるNapariの、容易にインストール可能でインタラクティブなプラグインを通じて、最高のモデルを利用できるようにします。
- 参考スコア（独自算出の注目度）: 1.29058164565662
- License:
- Abstract: High-throughput image analysis in the biomedical domain has gained significant attention in recent years, driving advancements in drug discovery, disease prediction, and personalized medicine. Organoids, specifically, are an active area of research, providing excellent models for human organs and their functions. Automating the quantification of organoids in microscopy images would provide an effective solution to overcome substantial manual quantification bottlenecks, particularly in high-throughput image analysis. However, there is a notable lack of open biomedical datasets, in contrast to other domains, such as autonomous driving, and, notably, only few of them have attempted to quantify annotation uncertainty. In this work, we present MultiOrg a comprehensive organoid dataset tailored for object detection tasks with uncertainty quantification. This dataset comprises over 400 high-resolution 2d microscopy images and curated annotations of more than 60,000 organoids. Most importantly, it includes three label sets for the test data, independently annotated by two experts at distinct time points. We additionally provide a benchmark for organoid detection, and make the best model available through an easily installable, interactive plugin for the popular image visualization tool Napari, to perform organoid quantification.
- Abstract（参考訳）: 近年, バイオメディカル領域の高出力画像解析が注目され, 薬物発見, 疾患予測, パーソナライズド医療の進歩が進んでいる。
オルガノイドは、特に研究の活発な領域であり、ヒトの臓器とその機能に優れたモデルを提供する。
顕微鏡画像におけるオルガノイドの定量化を自動化することは、特に高スループット画像解析において、手作業による定量化のボトルネックを克服するための効果的な解決策となる。
しかし、自律運転のような他の領域とは対照的に、オープンなバイオメディカルデータセットの欠如が顕著であり、特に、アノシズムの不確実性を定量化しようとする試みはごくわずかである。
本研究では,不確実な定量化を伴うオブジェクト検出タスクに適した包括的オルガノイドデータセットであるMultiOrgを提案する。
このデータセットは、400以上の高解像度の2d顕微鏡画像と、6万以上のオルガノイドのアノテーションからなる。
最も重要なことは、テストデータに3つのラベルセットが含まれており、個別に2人の専門家が異なる時点に注釈を付ける。
さらに,オルガノイド検出のためのベンチマークも提供し,一般的な画像視覚化ツールであるNapari用の,インストールが容易でインタラクティブなプラグインを通じて最高のモデルを提供して,オルガノイド定量化を行う。
関連論文リスト
- Multiplex Imaging Analysis in Pathology: a Comprehensive Review on Analytical Approaches and Digital Toolkits [0.7968706282619793]
マルチ多重イメージングは、複数のバイオマーカーを1つのセクションで同時に視覚化することを可能にする。
多重画像からのデータは、前処理、セグメンテーション、特徴抽出、空間解析のための洗練された計算方法を必要とする。
PathMLは、画像分析を効率化するAIベースのプラットフォームで、臨床および研究環境では複雑な解釈がアクセス可能である。
論文 参考訳（メタデータ） (2024-11-01T18:02:41Z) - DiffKillR: Killing and Recreating Diffeomorphisms for Cell Annotation in Dense Microscopy Images [105.46086313858062]
DiffKillRは、アーチェタイプマッチングと画像登録タスクの組み合わせとして、セルアノテーションを再構成する新しいフレームワークである。
我々はDiffKillRの理論的性質について論じ、それを3つの顕微鏡タスクで検証し、既存の教師付き・半教師なし・教師なしの手法に対する利点を実証する。
論文 参考訳（メタデータ） (2024-10-04T00:38:29Z) - BiomedParse: a biomedical foundation model for image parsing of everything everywhere all at once [58.41069132627823]
全体像解析は、セグメンテーション、検出、関連するオブジェクトの認識などのサブタスクを含む。
そこで本研究では,9つの画像モダリティにまたがる82種類のオブジェクトの分割,検出,認識を共同で行うことができる,画像解析のためのバイオメディカル基礎モデルであるBiomedParseを提案する。
共同学習により、個々のタスクの精度を向上し、テキストプロンプトを通じてノイズの多い画像中のすべての関連オブジェクトを分割するといった新しいアプリケーションを可能にする。
論文 参考訳（メタデータ） (2024-05-21T17:54:06Z) - Super-resolution of biomedical volumes with 2D supervision [84.5255884646906]
超解像のための仮設スライス拡散は、生物学的標本のすべての空間次元にわたるデータ生成分布の固有同値性を利用する。
我々は,高解像度2次元画像の高速取得を特徴とするSliceRの組織学的刺激(SRH)への応用に着目する。
論文 参考訳（メタデータ） (2024-04-15T02:41:55Z) - QUBIQ: Uncertainty Quantification for Biomedical Image Segmentation Challenge [93.61262892578067]
医用画像分割作業の不確実性、特にラター間変動性は重要な課題である。
この可変性は、自動セグメンテーションアルゴリズムの開発と評価に直接影響を及ぼす。
バイオメディカル画像量化チャレンジ(QUBIQ)における不確実性の定量化のベンチマーク結果を報告する。
論文 参考訳（メタデータ） (2024-03-19T17:57:24Z) - MedYOLO: A Medical Image Object Detection Framework [0.0]
YOLOモデルのワンショット検出手法を用いた3次元オブジェクト検出フレームワークであるMedYOLOについて報告する。
我々のモデルでは、心臓、肝臓、膵など、現在一般的に使われている中大の構造物で高い性能を実現している。
論文 参考訳（メタデータ） (2023-12-12T20:46:14Z) - SegmentAnything helps microscopy images based automatic and quantitative organoid detection and analysis [2.9074136720945356]
オルガノイド(Organoids)は、生体組織や臓器のアーキテクチャや機能を忠実に模倣する、自己組織化された3D細胞クラスターである。
最近の顕微鏡技術は、オルガノイドの形態的特徴を取得する強力なツールを提供するが、手動画像解析は依然として手間と時間を要するプロセスである。
本稿では、SegmentAnythingを利用して個々のオルガノイドを正確に分離する顕微鏡解析のための包括的パイプラインを提案する。
論文 参考訳（メタデータ） (2023-09-08T08:03:42Z) - A Knowledge Distillation framework for Multi-Organ Segmentation of
Medaka Fish in Tomographic Image [5.881800919492064]
メダカ魚のトモグラフィー画像における多臓器セグメンテーションのための自己学習フレームワークを提案する。
本研究では,事前訓練されたモデルから得られた擬似ラベルデータを利用して,擬似ラベルデータを洗練するために品質教師を採用する。
実験結果から,本手法は全データセット上で平均IoU(Intersection over Union)を5.9%改善することが示された。
論文 参考訳（メタデータ） (2023-02-24T10:31:29Z) - Preservation of High Frequency Content for Deep Learning-Based Medical
Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。
本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文 参考訳（メタデータ） (2022-05-08T15:29:54Z) - Microscopic fine-grained instance classification through deep attention [7.50282814989294]
限られたサンプルを用いた微視的画像データのきめ細かい分類は、コンピュータビジョンとバイオメディカルイメージングにおいて未解決の問題である。
本稿では,エンドツーエンドで2つのタスクを同時に実行する,シンプルで効果的なディープネットワークを提案する。
その結果、堅牢だが軽量なエンドツーエンドのトレーニング可能なディープネットワークが実現し、最先端の結果が得られます。
論文 参考訳（メタデータ） (2020-10-06T15:29:58Z) - Robust Medical Instrument Segmentation Challenge 2019 [56.148440125599905]
腹腔鏡装置の術中追跡は、しばしばコンピュータとロボットによる介入の必要条件である。
本研究の課題は,30の手術症例から取得した10,040枚の注釈画像からなる外科的データセットに基づいていた。
結果は、初期仮説、すなわち、アルゴリズムの性能がドメインギャップの増大とともに低下することを確認する。
論文 参考訳（メタデータ） (2020-03-23T14:35:08Z)
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。