Fugu-MT 論文翻訳(概要): Cellpose+, a morphological analysis tool for feature extraction of stained cell images

論文の概要: Cellpose+, a morphological analysis tool for feature extraction of stained cell images

arxiv url: http://arxiv.org/abs/2410.18738v1
Date: Thu, 24 Oct 2024 13:41:40 GMT
ステータス: 翻訳完了
システム内更新日: 2024-11-28 17:07:39.926928
Title: Cellpose+, a morphological analysis tool for feature extraction of stained cell images
Title（参考訳）: 染色細胞画像の特徴抽出のための形態解析ツールCellpose+
Abstract要約: 本稿では,機能抽出機能を備えた最先端のセルセグメンテーションフレームワークであるCellposeの適用範囲を拡大する。また,本手法を適用したDAPIおよびFITC染色細胞のデータセットも導入した。
参考スコア（独自算出の注目度）: 31.874825130479174
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Advanced image segmentation and processing tools present an opportunity to study cell processes and their dynamics. However, image analysis is often routine and time-consuming. Nowadays, alternative data-driven approaches using deep learning are potentially offering automatized, accurate, and fast image analysis. In this paper, we extend the applications of Cellpose, a state-of-the-art cell segmentation framework, with feature extraction capabilities to assess morphological characteristics. We also introduce a dataset of DAPI and FITC stained cells to which our new method is applied.
Abstract（参考訳）: 高度な画像セグメンテーションとプロセッシングツールは、細胞プロセスとそのダイナミクスを研究する機会を提供する。しかし、画像解析は日常的で時間を要することが多い。現在、ディープラーニングを使った代替のデータ駆動アプローチは、自動化され、正確で、高速な画像解析を提供する可能性がある。本稿では,形態特性評価のための特徴抽出機能を備えた最先端のセルセグメンテーションフレームワークであるCellposeの適用範囲を拡大する。また,本手法を適用したDAPIおよびFITC染色細胞のデータセットも導入した。

関連論文リスト

CellPainTR: Generalizable Representation Learning for Cross-Dataset Cell Painting Analysis [51.56484100374058]
本稿では,細胞形態の基本的な表現を学習するためのトランスフォーマーベースのアーキテクチャであるCellPainTRを紹介する。私たちの研究は、画像ベースのプロファイリングのための真の基盤モデルを作成するための重要なステップであり、より信頼性が高くスケーラブルなクロススタディ生物学的分析を可能にします。
論文参考訳（メタデータ） (2025-09-02T03:30:07Z)
Self-supervised Representation Learning with Local Aggregation for Image-based Profiling [84.52554180480037]
画像に基づく細胞プロファイリングは、細胞画像の情報表現を作成することを目的としている。非コントラスト型自己監督学習の最近の進歩は,本論文にインスピレーションを与えている。本稿では,セル画像に適したデータ拡張と表現後処理手法を提案する。
論文参考訳（メタデータ） (2025-06-17T07:25:57Z)
Unsupervised cell segmentation by fast Gaussian Processes [3.9223994610353974]
ノイズ顕微鏡画像に対する高速ガウス過程に基づく新規な教師なしセル分割アルゴリズムを開発した。異なる部位の異なる輝度を含む異種画像に適応し、背景から物体を分離する頑健な閾値基準を導出した。
論文参考訳（メタデータ） (2025-05-24T23:28:14Z)
PathSegDiff: Pathology Segmentation using Diffusion model representations [63.20694440934692]
そこで我々は,Latent Diffusion Models (LDMs) を事前学習した特徴抽出器として活用する,病理組織像分割の新しい手法であるPathSegDiffを提案する。本手法は,H&E染色組織像から多彩な意味情報を抽出するために,自己教師型エンコーダによって誘導される病理特異的LCMを用いる。本実験は,BCSSおよびGlaSデータセットにおける従来の手法よりも大幅に改善されたことを示す。
論文参考訳（メタデータ） (2025-04-09T14:58:21Z)
Morphological Profiling for Drug Discovery in the Era of Deep Learning [13.307277432389496]
形態素プロファイリングの分野における最近の進歩を概観する。このパイプラインでは、ディープラーニングの適用に特に重点を置いています。
論文参考訳（メタデータ） (2023-12-13T05:08:32Z)
Multi-stream Cell Segmentation with Low-level Cues for Multi-modality Images [66.79688768141814]
我々は,顕微鏡画像のラベル付けを行うセル分類パイプラインを開発した。次に、分類ラベルに基づいて分類モデルを訓練する。 2種類のセグメンテーションモデルを、丸みを帯びた形状と不規則な形状のセグメンテーションセルに展開する。
論文参考訳（メタデータ） (2023-10-22T08:11:08Z)
AMIGO: Sparse Multi-Modal Graph Transformer with Shared-Context Processing for Representation Learning of Giga-pixel Images [53.29794593104923]
本稿では,スライド病理像全体に対する共有コンテキスト処理の新たな概念を提案する。 AMIGOは、組織内のセルラーグラフを使用して、患者に単一の表現を提供する。我々のモデルは、データの20%以下で同じ性能を達成できる程度に、欠落した情報に対して強い堅牢性を示す。
論文参考訳（メタデータ） (2023-03-01T23:37:45Z)
Deep Learning Enabled Time-Lapse 3D Cell Analysis [7.094247258573337]
本稿では, タイムラプスな3Dセル解析手法を提案する。そこで我々は,細胞下の特徴を正確に局所化し,定量的に分析する問題を考察した。コードはGithubで入手でき、このメソッドはBisQueポータル経由でサービスとして利用できる。
論文参考訳（メタデータ） (2022-08-17T00:07:25Z)
Learning multi-scale functional representations of proteins from single-cell microscopy data [77.34726150561087]
局所化分類に基づいて訓練された単純な畳み込みネットワークは、多様な機能情報をカプセル化したタンパク質表現を学習できることを示す。また,生物機能の異なるスケールでタンパク質表現の質を評価するためのロバストな評価戦略を提案する。
論文参考訳（メタデータ） (2022-05-24T00:00:07Z)
From augmented microscopy to the topological transformer: a new approach in cell image analysis for Alzheimer's research [0.0]
細胞画像解析は、細胞機能を抑制するA$beta$タンパク質の存在を検出するために、アルツハイマーの研究において重要である。 Unetは,マルチクラスセマンティックスセグメンテーションの性能を比較することで,拡張顕微鏡に最も適していることがわかった。我々は,Unetモデルを用いて,光電場画像中の原子核を捕捉する拡張顕微鏡法を開発し,入力画像を位相情報列に変換する。
論文参考訳（メタデータ） (2021-08-03T16:59:33Z)
Enforcing Morphological Information in Fully Convolutional Networks to Improve Cell Instance Segmentation in Fluorescence Microscopy Images [1.408123603417833]
本稿では,よく知られたU-Netアーキテクチャに基づく新しいセルインスタンス分割手法を提案する。深部距離変換器(DDT)がバックボーンモデルとして機能する。その結果,従来のU-Netアーキテクチャよりも性能が向上することが示唆された。
論文参考訳（メタデータ） (2021-06-10T15:54:38Z)
Towards Interpretable Attention Networks for Cervical Cancer Analysis [24.916577293892182]
複数の頸腺細胞の画像分類における最先端ディープラーニングモデルの評価を行った。細胞群から重要な特徴を抽出するための残チャンネルアテンションモデルの有効性を示す。また、子宮頸部細胞の分類に対処するための解釈可能なモデルも提供する。
論文参考訳（メタデータ） (2021-05-27T13:28:24Z)
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)
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)
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。