論文の概要: Semi-Unsupervised Microscopy Segmentation with Fuzzy Logic and Spatial Statistics for Cross-Domain Analysis Using a GUI

• arxiv url: http://arxiv.org/abs/2508.15979v2
• Date: Mon, 13 Oct 2025 20:17:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-15 19:02:31.984736
• Title: Semi-Unsupervised Microscopy Segmentation with Fuzzy Logic and Spatial Statistics for Cross-Domain Analysis Using a GUI
• Title（参考訳）: GUIを用いたクロスドメイン解析のためのファジィ論理と空間統計を用いた半教師なし顕微鏡分割
• Authors: Surajit Das, Pavel Zun,
• Abstract要約: 本研究では,画像のモダリティと画像タイプにまたがる1時間キャリブレーション支援の非教師なしフレームワークを導入することにより,低コストで軽量なアノテーションのないセグメンテーション手法を提案する。 このフレームワークは,局所平均からの空間標準偏差による背景決定を行う。不確実な画素はファジィ論理,累積2乗シフトの結節強度,統計的特徴,および余分な偏差校正によって解決される。
• 参考スコア（独自算出の注目度）: 3.5092739016434567
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Brightfield microscopy of unstained live cells is challenging due to low contrast, dynamic morphology, uneven illumination, and lack of labels. Deep learning achieved SOTA performance on stained, high-contrast images but needs large labeled datasets, expensive hardware, and fails under uneven illumination. This study presents a low-cost, lightweight, annotation-free segmentation method by introducing one-time calibration-assisted unsupervised framework adaptable across imaging modalities and image type. The framework determines background via spatial standard deviation from the local mean. Uncertain pixels are resolved using fuzzy logic, cumulative squared shift of nodal intensity, statistical features, followed by post-segmentation denoising calibration which is saved as a profile for reuse until noise pattern or object type substantially change. The program runs as a script or graphical interface for non-programmers. The method was rigorously evaluated using \textit{IoU}, \textit{F1-score}, and other metrics, with statistical significance confirmed via Wilcoxon signed-rank tests. On unstained brightfield myoblast (C2C12) images, it outperformed \textit{Cellpose 3.0} and \textit{StarDist}, improving IoU by up to 48\% (average IoU = 0.43, F1 = 0.60). In phase-contrast microscopy, it achieved a mean IoU of 0.69 and an F1-score of 0.81 on the \textit{LIVECell} dataset ($n = 3178$), with substantial expert agreement ($\kappa > 0.75$) confirming cross-modality robustness. Successful segmentation of laser-affected polymer surfaces further confirmed cross-domain robustness. By introducing the \textit{Homogeneous Image Plane} concept, this work provides a new theoretical foundation for training-free, annotation-free segmentation. The framework operates efficiently on CPU, avoids cell staining, and is practical for live-cell imaging and biomedical applications.
• Abstract（参考訳）: 低コントラスト、ダイナミックな形態、不均一な照明、ラベルの欠如などにより、非安定な生きた細胞のブライトフィールド顕微鏡は困難である。 ディープラーニングは、染色された高コントラスト画像上でSOTAのパフォーマンスを達成したが、大きなラベル付きデータセット、高価なハードウェアを必要とし、均一な照明の下で失敗する。 本研究では,画像のモダリティや画像タイプに適応可能なワンタイム校正支援型教師なしフレームワークを導入することで,低コストで軽量なアノテーションなしセグメンテーション手法を提案する。 フレームワークは、局所平均から空間標準偏差を介して背景を決定する。 不確実な画素はファジィ論理、累積2乗シフトのノイズ強度、統計的特徴、続いてノイズパターンやオブジェクトタイプが大幅に変化するまで再利用のためのプロファイルとして保存される分別校正によって解決される。 このプログラムは、非プログラマのためのスクリプトまたはグラフィカルインターフェースとして動作する。 この手法は, ウィルコクソンの署名ランク試験により, 統計的に有意な評価が得られた。 不安定な明野筋芽細胞 (C2C12) 画像では、textit{Cellpose 3.0} と \textit{StarDist} を上回り、IoUを最大48\%改善した(平均IoU = 0.43, F1 = 0.60)。 位相コントラスト顕微鏡では、平均IoUは0.69で、F1スコアは0.81でtextit{LIVECell}データセット(n = 3178$)を達成し、相当な専門家合意(\kappa > 0.75$)により、相互モダリティの堅牢性が確認された。 レーザー照射による高分子表面のセグメンテーションが成功し、さらにクロスドメインロバスト性が確認された。 textit{homogeneous Image Plane} の概念を導入することで、この研究はトレーニングなし、アノテーションなしのセグメンテーションのための新しい理論的基盤を提供する。 このフレームワークはCPU上で効率的に動作し、細胞染色を回避し、ライブセルイメージングやバイオメディカル応用に実用的である。

関連論文リスト

• A3-TTA: Adaptive Anchor Alignment Test-Time Adaptation for Image Segmentation [17.122762119608144]
  テスト時間適応(TTA)は、ドメインシフト下でイメージセグメンテーションモデルをデプロイするための実用的なソリューションを提供する。 我々は,アンカーガイドによる監視を通じて信頼性の高い擬似ラベルを構築するフレームワークである textbfA3-TTA を提案する。 A3-TTAはソースモデルと比較して平均Diceスコアを10.40から17.68ポイント改善する。
  論文  参考訳（メタデータ） (2026-02-03T09:18:11Z)
• Grad-CL: Source Free Domain Adaptation with Gradient Guided Feature Disalignment [3.2371089062298317]
  Grad-CLは、新しいソースフリーなドメイン適応フレームワークである。 ソースデータへのアクセスを必要とせずにセグメンテーションのパフォーマンスに適応する。 最先端の教師なしおよびソースフリーなドメイン適応手法より優れています。
  論文  参考訳（メタデータ） (2025-09-12T10:51:46Z)
• High-Throughput Low-Cost Segmentation of Brightfield Microscopy Live Cell Images [3.175346985850522]
  本研究は,光電場顕微鏡で観察した無残な生細胞のセグメンテーションに焦点を当てた。 冷凍エンコーダの比較分析を取り入れた低コストCNNパイプラインを開発した。 このモデルは、多様な生きた細胞変異を特徴とする公開データセットで検証された。
  論文  参考訳（メタデータ） (2025-08-17T22:05:58Z)
• How Learnable Grids Recover Fine Detail in Low Dimensions: A Neural Tangent Kernel Analysis of Multigrid Parametric Encodings [106.3726679697804]
  フーリエ特徴符号化(FFE)とマルチグリッドパラメトリック符号化(MPE)の2つの手法を比較した。 MPEは低次元マッピングの標準と見なされるが、MPEはそれらを上回り、高解像度で詳細な表現を学習することが多い。 我々は,MPEが学習可能な埋め込みではなく,グリッド構造を通じてネットワークの性能を向上させることを証明した。
  論文  参考訳（メタデータ） (2025-04-18T02:18:08Z)
• A Graph-Based Framework for Interpretable Whole Slide Image Analysis [86.37618055724441]
  我々は,全スライディング画像を生物学的にインフォームドされたグラフ表現に変換するフレームワークを開発した。 我々のアプローチは、任意の格子ではなく、自然構造を尊重する組織領域からグラフノードを構築する。 がんのステージングと生存予測の課題に強いパフォーマンスを示す。
  論文  参考訳（メタデータ） (2025-03-14T20:15:04Z)
• Biologically-inspired Semi-supervised Semantic Segmentation for Biomedical Imaging [7.915123555266876]
  本稿では,バイオインスパイアされた半教師付き学習手法を提案する。 バイオメディカルデータセットを用いて実験を行い,本手法の評価を行った。 その結果,提案手法はラベルの可用性の異なるレベルにおいてSOTA手法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2024-12-04T10:25:53Z)
• An efficient framework based on large foundation model for cervical cytopathology whole slide image screening [13.744580492120749]
  本稿では,教師なし・弱教師付き学習によるWSIレベルラベルのみを用いた頚部細胞病理学WSI分類のための効率的なフレームワークを提案する。 CSDおよびFNAC 2019データセットで実施された実験は、提案手法が様々なMIL手法の性能を高め、最先端(SOTA)性能を達成することを示した。
  論文  参考訳（メタデータ） (2024-07-16T08:21:54Z)
• Image-level Regression for Uncertainty-aware Retinal Image Segmentation [3.7141182051230914]
  我々は,新たな不確実性認識変換(SAUNA)を導入する。 以上の結果から,SAUNA変換の統合とセグメント化損失は,異なるセグメンテーションモデルにおいて大きな性能向上をもたらすことが示唆された。
  論文  参考訳（メタデータ） (2024-05-27T04:17:10Z)
• Decoupled Prototype Learning for Reliable Test-Time Adaptation [50.779896759106784]
  テスト時間適応(TTA)は、推論中にトレーニング済みのソースモデルをターゲットドメインに継続的に適応させるタスクである。 1つの一般的なアプローチは、推定擬似ラベルによるクロスエントロピー損失を伴う微調整モデルである。 本研究は, 各試料の分類誤差を最小化することで, クロスエントロピー損失の脆弱性がラベルノイズを引き起こすことを明らかにした。 本稿では,プロトタイプ中心の損失計算を特徴とする新しいDPL法を提案する。
  論文  参考訳（メタデータ） (2024-01-15T03:33:39Z)
• Semi-Supervised End-To-End Contrastive Learning For Time Series Classification [9.46287383389573]
  時系列分類は、金融、医療、センサーデータ分析など、さまざまな分野において重要な課題である。 SLOTS(Semi-supervised Learning fOr Time clasSification)と呼ばれるエンドツーエンドモデルを提案する。
  論文  参考訳（メタデータ） (2023-10-13T04:22:21Z)
• All Points Matter: Entropy-Regularized Distribution Alignment for Weakly-supervised 3D Segmentation [67.30502812804271]
  擬似ラベルは、弱い教師付き3Dセグメンテーションタスクに広く使われており、学習に使えるのはスパース・グラウンド・トラス・ラベルのみである。 本稿では,生成した擬似ラベルを正規化し,擬似ラベルとモデル予測とのギャップを効果的に狭めるための新しい学習戦略を提案する。
  論文  参考訳（メタデータ） (2023-05-25T08:19:31Z)
• Augment and Criticize: Exploring Informative Samples for Semi-Supervised Monocular 3D Object Detection [64.65563422852568]
  我々は、一般的な半教師付きフレームワークを用いて、難解な単分子3次元物体検出問題を改善する。 我々は、ラベルのないデータから豊富な情報的サンプルを探索する、新しい、シンプルで効果的なAugment and Criticize'フレームワークを紹介します。 3DSeMo_DLEと3DSeMo_FLEXと呼ばれる2つの新しい検出器は、KITTIのAP_3D/BEV(Easy)を3.5%以上改善した。
  論文  参考訳（メタデータ） (2023-03-20T16:28:15Z)
• Stacking Ensemble Learning in Deep Domain Adaptation for Ophthalmic Image Classification [61.656149405657246]
  ドメイン適応は、十分なラベルデータを取得することが困難な画像分類タスクに有効である。 本稿では,3つのドメイン適応手法を拡張することで,アンサンブル学習を積み重ねるための新しい手法SELDAを提案する。 Age-Related Eye Disease Study (AREDS)ベンチマーク眼科データセットを用いた実験結果から,提案モデルの有効性が示された。
  論文  参考訳（メタデータ） (2022-09-27T14:19:00Z)
• Seamless Iterative Semi-Supervised Correction of Imperfect Labels in Microscopy Images [57.42492501915773]
  生体内試験は、医療機器の毒性に対する動物実験の代替手段である。 人間の疲労は、深層学習を魅力的なものにするために、エラー作成に重要な役割を果たします。 我々は、不完全ラベルのシームレス反復半監督補正(SISSI)を提案する。 本手法は,物体検出に適応的な早期学習補正技術を提供する。
  論文  参考訳（メタデータ） (2022-08-05T18:52:20Z)
• Open-Set Semi-Supervised Learning for 3D Point Cloud Understanding [62.17020485045456]
  半教師付き学習(SSL)では、ラベル付きデータと同じ分布からラベル付きデータが引き出されることが一般的である。 サンプル重み付けによりラベルなしデータを選択的に活用することを提案する。
  論文  参考訳（メタデータ） (2022-05-02T16:09:17Z)
• GradViT: Gradient Inversion of Vision Transformers [83.54779732309653]
  我々は,視力変換器(ViT)の勾配に基づく逆攻撃に対する脆弱性を実証する。 自然に見える画像にランダムノイズを最適化するGradViTという手法を提案する。 元の(隠された)データに対する前例のない高い忠実さと近接性を観察する。
  論文  参考訳（メタデータ） (2022-03-22T17:06:07Z)
• MisMatch: Calibrated Segmentation via Consistency on Differential Morphological Feature Perturbations with Limited Labels [5.500466607182699]
  半教師付き学習は、医用画像におけるラベル不足の問題に対処する上で有望なパラダイムである。 MisMatchは、ペアの予測間の一貫性に基づいた半教師付きセグメンテーションフレームワークである。
  論文  参考訳（メタデータ） (2021-10-23T09:22:41Z)
• ATSO: Asynchronous Teacher-Student Optimization for Semi-Supervised Medical Image Segmentation [99.90263375737362]
  教師-学生最適化の非同期版であるATSOを提案する。 ATSOはラベルのないデータを2つのサブセットに分割し、モデルの微調整に1つのサブセットを交互に使用し、他のサブセットのラベルを更新する。 医用画像のセグメンテーションデータセットを2つ評価し,様々な半教師付き環境において優れた性能を示す。
  論文  参考訳（メタデータ） (2020-06-24T04:05:12Z)
• Analytic Signal Phase in $N-D$ by Linear Symmetry Tensor--fingerprint modeling [69.35569554213679]
  解析信号位相とその勾配は2-D$以上の不連続性を持つことを示す。 この欠点は深刻なアーティファクトをもたらす可能性があるが、問題は1-D $シグナルには存在しない。 本稿では,複数のGaborフィルタに頼って線形シンメトリー位相を用いることを提案する。
  論文  参考訳（メタデータ） (2020-05-16T21:17:26Z)

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。