論文の概要: Single cell resolution 3D imaging and segmentation within intact live tissues

• arxiv url: http://arxiv.org/abs/2501.19203v1
• Date: Fri, 31 Jan 2025 15:13:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-03 14:02:33.028444
• Title: Single cell resolution 3D imaging and segmentation within intact live tissues
• Title（参考訳）: 単細胞分解能3次元イメージングと生体組織内セグメンテーション
• Authors: G. Paci, P. Vicente-Munuera, I. Fernandez-Mosquera, A. Miranda, K. Lau, Q. Zhang, R. Barrientos, Y. Mao,
• Abstract要約: 本稿では, サンプル調製, イメージング, 深層学習支援セルセグメンテーションのための詳細なステップバイステッププロトコルについて述べる。 このプロトコルは様々なサンプルに適用され、3Dで複雑な解析を必要とする他の組織の研究に有用であると考えています。
• 参考スコア（独自算出の注目度）: 2.3326493996358804
• License:
• Abstract: Epithelial cells form diverse structures from squamous spherical organoids to densely packed pseudostratified tissues. Quantification of cellular properties in these contexts requires high-resolution deep imaging and computational techniques to achieve truthful three-dimensional (3D) structural features. Here, we describe a detailed step-by-step protocol for sample preparation, imaging and deep-learning-assisted cell segmentation to achieve accurate quantification of fluorescently labelled individual cells in 3D within live tissues. We share the lessons learned through troubleshooting 3D imaging of Drosophila wing discs, including considerations on the choice of microscopy modality and settings (objective, sample mounting) and available segmentation methods. In addition, we include a computational pipeline alongside custom code to assist replication of the protocol. While we focus on the segmentation of cell outlines from membrane labelling, this protocol applies to a wide variety of samples, and we believe it be valuable for studying other tissues that demand complex analysis in 3D.
• Abstract（参考訳）: 上皮細胞は、扁平な球状オルガノイドから密集した擬層組織まで多様な構造を形成する。 これらの文脈における細胞特性の定量化には、真に3次元の構造的特徴を達成するために高解像度のディープイメージングと計算技術が必要である。 本稿では, 蛍光標識細胞を生体組織中の3次元に正確な定量化するために, 試料調製, イメージング, 深層学習支援細胞セグメンテーションのための詳細なステップバイステッププロトコルについて述べる。 ショウジョウバエの羽状円板の3D画像のトラブルシューティングから学んだ教訓を共有し,顕微鏡的モダリティと設定(オブジェクト,サンプル実装)の選択と,利用可能なセグメンテーション法について考察した。 さらに、プロトコルのレプリケーションを支援するために、カスタムコードとともに計算パイプラインも用意しています。 膜ラベリングから細胞アウトラインのセグメンテーションに焦点をあてる一方で、このプロトコルは様々なサンプルに適用され、3Dで複雑な解析を必要とする他の組織の研究に有用であると信じている。

関連論文リスト

• Tracing and segmentation of molecular patterns in 3-dimensional cryo-et/em density maps through algorithmic image processing and deep learning-based techniques [0.0]
  論文はアクチンフィラメントを 追跡する高度な計算技術の開発に焦点を当てています BundleTrac、Stereociliumで発見された束状アクチンフィラメントをトレースするSpagetti Tracer、アクチンネットワークでランダムに配向されたアクチンフィラメントをトレースするStruwwel Tracerの3つの新しい手法が開発されている。 論文の第2の構成要素は、中分解能(5-10アングストローム)3次元低温電子顕微鏡におけるヘリスやベータシートなどのタンパク質二次構造の位置を決定する畳み込みニューラルネットワーク(CNN)に基づくセグメンテーションモデルの導入である。
  論文  参考訳（メタデータ） (2024-03-26T00:41:54Z)
• Learning Deformable 3D Graph Similarity to Track Plant Cells in Unregistered Time Lapse Images [17.017730437647977]
  本研究では,植物細胞を密に充填した3次元細胞構造を利用して3次元グラフを作成し,正確な細胞追跡を行う新しい学習手法を提案する。 提案アルゴリズムの有効性を,ベンチマークデータセット上での精度と推定時間の観点から示す。
  論文  参考訳（メタデータ） (2023-09-20T09:04:01Z)
• On the Localization of Ultrasound Image Slices within Point Distribution Models [84.27083443424408]
  甲状腺疾患は高分解能超音波(US)で診断されることが多い 縦断追跡は病理甲状腺形態の変化をモニタリングするための重要な診断プロトコルである。 3次元形状表現におけるUS画像の自動スライスローカライズのためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-01T10:10:46Z)
• Enforcing 3D Topological Constraints in Composite Objects via Implicit Functions [60.56741715207466]
  医学的応用は心臓や脊椎などの複数の部分を持つ複雑な臓器の正確な3D表現を必要とすることが多い。 本稿では,深い暗黙的符号付き距離関数を用いた3次元物体再構成におけるトポロジ的制約を強制する新しい手法を提案する。 そこで本研究では,3次元形状間のトポロジ的制約を効果的に検証・実施するサンプリングベース手法を提案する。
  論文  参考訳（メタデータ） (2023-07-16T10:07:15Z)
• 3D Mitochondria Instance Segmentation with Spatio-Temporal Transformers [101.44668514239959]
  本稿では,空間的および時間的注意を並列に効率的に計算するハイブリッドエンコーダデコーダフレームワークを提案する。 また,ミトコンドリアインスタンスの領域を背景から支援する訓練中に,意味的クラッタ・バックグラウンドの逆行性障害も導入した。
  論文  参考訳（メタデータ） (2023-03-21T17:58:49Z)
• RepMode: Learning to Re-parameterize Diverse Experts for Subcellular Structure Prediction [54.69195221765405]
  生物学的研究において、蛍光染色は細胞内構造の位置と形態を明らかにする重要な技術である。 本稿では,3次元透過光画像から複数の細胞構造体の3次元蛍光画像を予測することを目的とした,細胞構造予測(subcellular structure prediction, SSP)と呼ばれる深層学習タスクをモデル化する。 本稿では,特定の単一ラベル予測タスクを処理するために,タスク認識の事前処理によってパラメータを動的に整理するネットワークRepModeを提案する。
  論文  参考訳（メタデータ） (2022-12-20T08:17:08Z)
• 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)
• YOLO2U-Net: Detection-Guided 3D Instance Segmentation for Microscopy [0.0]
  脳組織中の細胞の正確な3Dインスタンスセグメンテーションのための包括的手法を提案する。 提案手法は,2次元YOLO検出法と多視点融合アルゴリズムを組み合わせることで,細胞の3次元局在化を構築する。 提案手法の有望な性能を,現在の深層学習に基づく3次元インスタンス分割法と比較した。
  論文  参考訳（メタデータ） (2022-07-13T14:17:52Z)
• A unified 3D framework for Organs at Risk Localization and Segmentation for Radiation Therapy Planning [56.52933974838905]
  現在の医療ワークフローは、OAR(Organs-at-risk)のマニュアル記述を必要とする 本研究は,OARローカライゼーション・セグメンテーションのための統合された3Dパイプラインの導入を目的とする。 提案手法は医用画像に固有の3Dコンテキスト情報の活用を可能にする。
  論文  参考訳（メタデータ） (2022-03-01T17:08:41Z)
• 3D Reconstruction of Curvilinear Structures with Stereo Matching DeepConvolutional Neural Networks [52.710012864395246]
  本稿では,立体対における曲線構造の検出とマッチングのための完全自動パイプラインを提案する。 主に、TEM画像のステレオ対から転位を3次元再構成することに焦点を当てる。
  論文  参考訳（メタデータ） (2021-10-14T23:05:47Z)
• Robust 3D Cell Segmentation: Extending the View of Cellpose [0.1384477926572109]
  3次元画像データのセグメンテーション精度を向上させるためにcellposeアプローチを拡張した。 グラデーションマップの定式化は、堅牢なままで、類似のセグメンテーション精度に達する間、いかに簡略化できるかを示す。
  論文  参考訳（メタデータ） (2021-05-03T12:47:41Z)

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。