論文の概要: Deep Learning for Taxol Exposure Analysis: A New Cell Image Dataset and Attention-Based Baseline Model

• arxiv url: http://arxiv.org/abs/2508.14349v1
• Date: Wed, 20 Aug 2025 01:41:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-21 16:52:41.306614
• Title: Deep Learning for Taxol Exposure Analysis: A New Cell Image Dataset and Attention-Based Baseline Model
• Title（参考訳）: タキソール曝露分析のための深層学習:新しいセルイメージデータセットと注意ベースラインモデル
• Authors: Sean Fletcher, Gabby Scott, Douglas Currie, Xin Zhang, Yuqi Song, Bruce MacLeod,
• Abstract要約: 細胞レベルでの薬剤であるタキソールの効果のモニタリングは臨床評価と生医学研究の両方において重要である。 深層学習のアプローチは、医学的および生物学的画像解析において大きな可能性を秘めている。 現在、タキソール曝露に対する細胞反応の自動形態学的解析のための公開データセットは存在しない。
• 参考スコア（独自算出の注目度）: 1.755209318470883
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Monitoring the effects of the chemotherapeutic agent Taxol at the cellular level is critical for both clinical evaluation and biomedical research. However, existing detection methods require specialized equipment, skilled personnel, and extensive sample preparation, making them expensive, labor-intensive, and unsuitable for high-throughput or real-time analysis. Deep learning approaches have shown great promise in medical and biological image analysis, enabling automated, high-throughput assessment of cellular morphology. Yet, no publicly available dataset currently exists for automated morphological analysis of cellular responses to Taxol exposure. To address this gap, we introduce a new microscopy image dataset capturing C6 glioma cells treated with varying concentrations of Taxol. To provide an effective solution for Taxol concentration classification and establish a benchmark for future studies on this dataset, we propose a baseline model named ResAttention-KNN, which combines a ResNet-50 with Convolutional Block Attention Modules and uses a k-Nearest Neighbors classifier in the learned embedding space. This model integrates attention-based refinement and non-parametric classification to enhance robustness and interpretability. Both the dataset and implementation are publicly released to support reproducibility and facilitate future research in vision-based biomedical analysis.
• Abstract（参考訳）: 細胞レベルでの薬剤であるタキソールの効果のモニタリングは臨床評価と生医学研究の両方において重要である。 しかし、既存の検出方法は、特殊な装置、熟練した人員、広範囲なサンプル準備を必要としており、高価で労働集約的で、高スループットやリアルタイム分析には適さない。 深層学習アプローチは、医学的および生物学的画像解析において大きな可能性を示しており、細胞形態の自動化された高スループット評価を可能にしている。 しかし、タキソール曝露に対する細胞反応の自動形態学的解析のために現在利用可能なデータセットは存在しない。 このギャップに対処するために,タキソール濃度の異なるC6グリオーマ細胞を捉えた新しい顕微鏡画像データセットを導入する。 そこで本研究では,ResNet-50とConvolutional Block Attention Modulesを組み合わせたベースラインモデルを提案する。 このモデルは、注意に基づく洗練と非パラメトリック分類を統合し、堅牢性と解釈可能性を高める。 データセットと実装の両方が公開され、再現性をサポートし、視覚ベースの生体医学分析における将来の研究を促進する。

関連論文リスト

• Knowledge Hierarchy Guided Biological-Medical Dataset Distillation for Domain LLM Training [10.701353329227722]
  学術文献から高品質なテキストトレーニングデータの蒸留を自動化する枠組みを提案する。 われわれのアプローチは、バイオメディカル領域とより密接に一致した質問を自己評価し、生成する。 本手法は,生命科学領域の事前学習モデルと比較して,質問応答タスクを大幅に改善する。
  論文  参考訳（メタデータ） (2025-01-25T07:20:44Z)
• 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)
• A Comprehensive Dataset and Automated Pipeline for Nailfold Capillary Analysis [24.8934927577986]
  包括的爪折り毛細管データセット-321 画像の構築に先駆的な取り組みを行い,68 名の被験者219 名の動画と臨床報告,専門家注記を行った。 教師付きラベルとして専門家アノテーションを用いた3つのディープラーニングモデルを微調整し、それらを新しいエンドツーエンドの爪折り毛細管分析パイプラインに統合した。 実験の結果, 自動パイプラインでは, 測定値の平均サブピクセルレベルの精度が89.9%, 形態異常が89.9%であった。
  論文  参考訳（メタデータ） (2023-12-10T16:33:41Z)
• 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)
• Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
  ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。 我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
  論文  参考訳（メタデータ） (2021-10-27T19:28:36Z)
• G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for Biomarker Identification and Disease Classification [49.53651166356737]
  診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。 2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
  論文  参考訳（メタデータ） (2021-01-27T19:28:04Z)
• 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)
• Deep Low-Shot Learning for Biological Image Classification and Visualization from Limited Training Samples [52.549928980694695]
  In situ hybridization (ISH) gene expression pattern image from the same developmental stage。 正確な段階のトレーニングデータをラベル付けするのは、生物学者にとっても非常に時間がかかる。 限られた訓練画像を用いてISH画像を正確に分類する2段階の低ショット学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-10-20T06:06:06Z)
• Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype Prediction [55.94378672172967]
  本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。 新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。 我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
  論文  参考訳（メタデータ） (2020-09-02T02:50:30Z)

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。