論文の概要: A novel attention mechanism for noise-adaptive and robust segmentation of microtubules in microscopy images

• arxiv url: http://arxiv.org/abs/2507.07800v2
• Date: Thu, 23 Oct 2025 14:37:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 03:08:08.419113
• Title: A novel attention mechanism for noise-adaptive and robust segmentation of microtubules in microscopy images
• Title（参考訳）: 顕微鏡画像における微小管の雑音適応的・頑健なセグメンテーションのための新しい注意機構
• Authors: Achraf Ait Laydi, Louis Cueff, Mewen Crespo, Yousef El Mourabit, Hélène Bouvrais,
• Abstract要約: 本研究では,Squeeze-and-Excitation (SE)モジュールを拡張し,様々なノイズレベルに動的に適応する新しいノイズ適応型アテンション機構を提案する。 このアダプティブSE(ASE)はU-Netデコーダに統合され、残りのエンコーダブロックが組み込まれ、軽量だが強力なモデルであるab_Res_U-Netを形成する。 合成画像と実雑音画像の両方の微小管を効果的に分画し、最先端のカービリナー構造分画法より優れていた。
• 参考スコア（独自算出の注目度）: 0.27185251060695437
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Segmenting cytoskeletal filaments in microscopy images is essential for understanding their cellular roles but remains challenging, especially in dense, complex networks and under noisy or low-contrast image conditions. While deep learning has advanced image segmentation, performance often degrades in these adverse scenarios. Additional challenges include the difficulty of obtaining accurate annotations and managing severe class imbalance. We proposed a novel noise-adaptive attention mechanism, extending the Squeeze-and-Excitation (SE) module, to dynamically adjust to varying noise levels. This Adaptive SE (ASE) mechanism is integrated into a U-Net decoder, with residual encoder blocks, forming a lightweight yet powerful model: ASE_Res_U-Net. We also developed a synthetic-dataset strategy and employed tailored loss functions and evaluation metrics to mitigate class imbalance and ensure fair assessment. ASE_Res_U-Net effectively segmented microtubules in both synthetic and real noisy images, outperforming its ablated variants and state-of-the-art curvilinear-structure segmentation methods. It achieved this while using fewer parameters, making it suitable for resource-constrained environments. Importantly, ASE_Res_U-Net generalised well to other curvilinear structures (blood vessels and nerves) under diverse imaging conditions. Availability and implementation: Original microtubule datasets (synthetic and real noisy images) are available on Zenodo (DOIs: 10.5281/zenodo.14696279 and 10.5281/zenodo.15852660). ASE_Res_UNet model will be shared upon publication.
• Abstract（参考訳）: 顕微鏡画像中の細胞骨格フィラメントの分離は細胞の役割を理解するのに不可欠であるが、特に密度の高い複雑なネットワークやノイズや低コントラスト画像条件下では困難である。 ディープラーニングには高度なイメージセグメンテーションがあるが、これらの悪いシナリオではパフォーマンスが劣化することが多い。 その他の課題としては、正確なアノテーションを取得することの難しさや、厳格なクラス不均衡の管理などがある。 本研究では,Squeeze-and-Excitation (SE)モジュールを拡張し,様々なノイズレベルに動的に適応する新しいノイズ適応型アテンション機構を提案する。 このアダプティブSE(ASE)メカニズムは、U-Netデコーダに統合され、残りのエンコーダブロックが組み込まれ、軽量だが強力なモデルであるASE_Res_U-Netを形成する。 また、クラス不均衡を緩和し、公平な評価を確保するために、合成データセット戦略を開発し、調整された損失関数と評価指標を用いた。 ASE_Res_U-Netは、合成画像と実雑音画像の両方において効果的にセグメンテーションを行い、その改良版と最先端のカービリナー構造セグメンテーション法より優れている。 パラメータを少なくして実現し、リソースに制約のある環境に適している。 重要なことは、ASE_Res_U-Netは様々な画像条件下で他のカービリナー構造(血管と神経)によく一般化した。 可用性と実装:Zenodo(DOIs:10.5281/zenodo.14696279および10.5281/zenodo.15852660)でオリジナルのマイクロチューブデータセット(合成および実雑音画像)が利用可能である。 ASE_Res_UNet モデルは公開時に共有される。

関連論文リスト

• Semantic Segmentation of iPS Cells: Case Study on Model Complexity in Biomedical Imaging [0.0]
  We show that a carefullyconfiged DeepLabv3 model can achieved high performance in segmenting induced pluripotent stem (iPS) cell colony。 また、小さなデータセットとドメイン固有のエンコーディングの戦略を含むオープンソース実装も提供しています。
  論文  参考訳（メタデータ） (2025-07-29T09:05:01Z)
• Enhanced Confocal Laser Scanning Microscopy with Adaptive Physics Informed Deep Autoencoders [0.0]
  共焦点レーザー走査顕微鏡の限界に対処する物理インフォームド・ディープラーニング・フレームワークを提案する。 このモデルは、畳み込み層と転置畳み込み層を用いて、ノイズの多い入力から高忠実度画像を再構成する。
  論文  参考訳（メタデータ） (2025-01-24T18:32:34Z)
• Enhancing Fluorescence Lifetime Parameter Estimation Accuracy with Differential Transformer Based Deep Learning Model Incorporating Pixelwise Instrument Response Function [0.3441582801949978]
  蛍光ライフタイムイメージング(FLI)は、組織微小環境に関するユニークな情報を提供する。 近年のディープラーニングの進歩により、蛍光寿命パラメーターの推定が改善されている。 本稿では,実験的な光子時間ヒストグラムとともに,計装応答関数(IRF)を付加入力として統合した新しいDLアーキテクチャであるMFliNetを提案する。
  論文  参考訳（メタデータ） (2024-11-25T20:03:41Z)
• A Unified Model for Compressed Sensing MRI Across Undersampling Patterns [69.19631302047569]
  様々な計測アンサンプパターンと画像解像度に頑健な統合MRI再構成モデルを提案する。 我々のモデルは、拡散法よりも600$times$高速な推論で、最先端CNN(End-to-End VarNet)の4dBでSSIMを11%改善し、PSNRを4dB改善する。
  論文  参考訳（メタデータ） (2024-10-05T20:03:57Z)
• Practical Guidelines for Cell Segmentation Models Under Optical Aberrations in Microscopy [14.042884268397058]
  本研究は,光収差下でのセル画像のセグメンテーションモデルについて,蛍光顕微鏡と光電場顕微鏡を用いて評価する。 ネットワークヘッドの異なるOstoしきい値法やMask R-CNNなどのセグメンテーションモデルをトレーニングし,テストする。 対照的に、Cellpose 2.0は同様の条件下で複雑な細胞画像に有効であることが証明されている。
  論文  参考訳（メタデータ） (2024-04-12T15:45:26Z)
• FLex: Joint Pose and Dynamic Radiance Fields Optimization for Stereo Endoscopic Videos [79.50191812646125]
  内視鏡的シーンの再構築は、外科手術後の分析から教育訓練まで、様々な医療応用にとって重要な要素である。 変形組織の非常にダイナミックな環境下での移動内視鏡の挑戦的なセットアップに着目する。 複数重重なり合う4次元ニューラルラジアンスフィールド(NeRF)への暗黙的なシーン分離と、再構成とカメラのスクラッチからのポーズを協調的に最適化するプログレッシブ最適化手法を提案する。 これにより、使いやすさが向上し、5000フレーム以上の手術ビデオの処理に間に合うように復元能力を拡張できる。
  論文  参考訳（メタデータ） (2024-03-18T19:13:02Z)
• K-Space-Aware Cross-Modality Score for Synthesized Neuroimage Quality Assessment [71.27193056354741]
  クロスモダリティな医用画像合成をどう評価するかという問題は、ほとんど解明されていない。 本稿では,この課題の進展を促すため,新しい指標K-CROSSを提案する。 K-CROSSは、トレーニング済みのマルチモードセグメンテーションネットワークを使用して、病変の位置を予測する。
  論文  参考訳（メタデータ） (2023-07-10T01:26:48Z)
• Optimizations of Autoencoders for Analysis and Classification of Microscopic In Situ Hybridization Images [68.8204255655161]
  同様のレベルの遺伝子発現を持つ顕微鏡画像の領域を検出・分類するためのディープラーニングフレームワークを提案する。 分析するデータには教師なし学習モデルが必要です。
  論文  参考訳（メタデータ） (2023-04-19T13:45:28Z)
• OADAT: Experimental and Synthetic Clinical Optoacoustic Data for Standardized Image Processing [62.993663757843464]
  オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。 OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。 臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
  論文  参考訳（メタデータ） (2022-06-17T08:11:26Z)
• Semi-Supervised Segmentation of Mitochondria from Electron Microscopy Images Using Spatial Continuity [3.631638087834872]
  ミトコンドリアの構造的・形態的・文脈的情報の空間的連続性を利用してミトコンドリアをセグメント化する半教師付き深層学習モデルを提案する。 我々のモデルは、最先端の完全教師付きモデルと同じような性能を達成するが、アノテーション付きトレーニングデータの20%しか必要としない。
  論文  参考訳（メタデータ） (2022-06-06T06:52:19Z)
• 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)

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。