論文の概要: Organoid Tracker: A SAM2-Powered Platform for Zero-shot Cyst Analysis in Human Kidney Organoid Videos
- arxiv url: http://arxiv.org/abs/2509.11063v1
- Date: Sun, 14 Sep 2025 03:11:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-16 17:26:22.891467
- Title: Organoid Tracker: A SAM2-Powered Platform for Zero-shot Cyst Analysis in Human Kidney Organoid Videos
- Title（参考訳）: Organoid Tracker: キドニーオルガノイドビデオのゼロショットシスト分析のためのSAM2ベースのプラットフォーム
- Authors: Xiaoyu Huang, Lauren M Maxson, Trang Nguyen, Cheng Jack Song, Yuankai Huo,
- Abstract要約: Organoid Trackerはグラフィカルユーザインタフェース(GUI)プラットフォームで、モジュール型のプラグインアーキテクチャで設計されている。
空間時間顕微鏡ビデオのゼロショット分割と自動解析を可能にする。
嚢胞形成率、成長速度、形態変化などの重要な指標を定量化し、包括的な報告を生成する。
- 参考スコア（独自算出の注目度）: 7.405304574504513
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent advances in organoid models have revolutionized the study of human kidney disease mechanisms and drug discovery by enabling scalable, cost-effective research without the need for animal sacrifice. Here, we present a kidney organoid platform optimized for efficient screening in polycystic kidney disease (PKD). While these systems generate rich spatial-temporal microscopy video datasets, current manual approaches to analysis remain limited to coarse classifications (e.g., hit vs. non-hit), often missing valuable pixel-level and longitudinal information. To help overcome this bottleneck, we developed Organoid Tracker, a graphical user interface (GUI) platform designed with a modular plugin architecture, which empowers researchers to extract detailed, quantitative metrics without programming expertise. Built on the cutting-edge vision foundation model Segment Anything Model 2 (SAM2), Organoid Tracker enables zero-shot segmentation and automated analysis of spatial-temporal microscopy videos. It quantifies key metrics such as cyst formation rate, growth velocity, and morphological changes, while generating comprehensive reports. By providing an extensible, open-source framework, Organoid Tracker offers a powerful solution for improving and accelerating research in kidney development, PKD modeling, and therapeutic discovery. The platform is publicly available as open-source software at https://github.com/hrlblab/OrganoidTracker.
- Abstract（参考訳）: 近年のオルガノイドモデルの進歩は、動物を犠牲にすることなく、スケーラブルで費用対効果の高い研究を可能にすることによって、ヒト腎臓病のメカニズムと薬物発見の研究に革命をもたらした。
今回我々は,多嚢胞性腎疾患(PKD)のスクリーニングに最適化された腎臓オルガノイドプラットフォームを提案する。
これらのシステムは、豊富な時空間顕微鏡ビデオデータセットを生成するが、現在の手動による分析手法は、粗い分類(例えば、ヒット対非ヒット)に限られており、しばしば貴重なピクセルレベルと長手情報がない。
このボトルネックを克服するために,モジュール型プラグインアーキテクチャで設計されたGUIプラットフォームであるOrganoid Trackerを開発した。
近縁の視覚基盤モデル Segment Anything Model 2 (SAM2) に基づいて構築されたOrganoid Tracker は、ゼロショットのセグメンテーションと時空間顕微鏡ビデオの自動解析を可能にする。
嚢胞形成率、成長速度、形態変化などの重要な指標を定量化し、包括的な報告を生成する。
拡張性のあるオープンソースのフレームワークを提供することで、Organoid Trackerは腎臓開発、PKDモデリング、治療発見の研究を改善し、加速するための強力なソリューションを提供する。
このプラットフォームはhttps://github.com/hrlblab/OrganoidTracker.comでオープンソースソフトウェアとして公開されている。
関連論文リスト
- LGBP-OrgaNet: Learnable Gaussian Band Pass Fusion of CNN and Transformer Features for Robust Organoid Segmentation and Tracking [9.845651084585645]
オルガノイドは臓器の構造と機能を複製し、腫瘍治療や薬物スクリーニングなどの分野で重要な役割を果たす。
本稿では,オルガノイドのセグメンテーションと追跡の自動化,非破壊的手法を提案する。
我々はLGBP-OrgaNetというディープラーニングベースのシステムを導入し,オルガノイドのセグメンテーション,追跡,定量化に長けている。
論文 参考訳（メタデータ） (2025-09-03T11:24:23Z) - Deep Learning for Taxol Exposure Analysis: A New Cell Image Dataset and Attention-Based Baseline Model [1.755209318470883]
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。
論文 参考訳（メタデータ） (2025-08-20T01:41:26Z) - Software architecture and manual for novel versatile CT image analysis toolbox -- AnatomyArchive [2.4313767693803623]
我々は,最新のフルボディセグメンテーションモデルであるTotalSegmentator上に構築されたAnatomyArchiveという新しいCT画像解析パッケージを開発した。
ユーザが設定した解剖情報に従って、自動的なターゲットボリューム選択とデセレクション機能を提供する。
解剖学的セグメンテーションマスク管理と医用画像データベースのメンテナンスのための知識グラフベースで時間効率のよいツールを備えている。
論文 参考訳（メタデータ） (2025-07-18T13:28:32Z) - PixCell: A generative foundation model for digital histopathology images [49.00921097924924]
PixCellは,病理組織学における最初の拡散ベース生成基盤モデルである。
われわれはPanCan-30MでPixCellをトレーニングした。
論文 参考訳（メタデータ） (2025-06-05T15:14:32Z) - LVS-Net: A Lightweight Vessels Segmentation Network for Retinal Image Analysis [1.347667211255822]
本稿では,網膜血管を分割して疾患検出効率を向上させる軽量エンコーダデコーダモデルを提案する。
エンコーダにマルチスケールの畳み込みブロックを組み込んで、様々な大きさと厚さの容器を正確に識別する。
ダイススコアが86.44%、84.22%、87.88%の既存モデルを上回っている。
論文 参考訳（メタデータ） (2024-12-08T15:21:37Z) - KaLDeX: Kalman Filter based Linear Deformable Cross Attention for Retina Vessel Segmentation [46.57880203321858]
カルマンフィルタを用いた線形変形型クロスアテンション(LDCA)モジュールを用いた血管セグメンテーションのための新しいネットワーク(KaLDeX)を提案する。
我々のアプローチは、カルマンフィルタ(KF)ベースの線形変形可能な畳み込み(LD)とクロスアテンション(CA)モジュールの2つの重要なコンポーネントに基づいている。
提案手法は,網膜基底画像データセット(DRIVE,CHASE_BD1,STARE)とOCTA-500データセットの3mm,6mmを用いて評価した。
論文 参考訳（メタデータ） (2024-10-28T16:00:42Z) - From Tissue Plane to Organ World: A Benchmark Dataset for Multimodal Biomedical Image Registration using Deep Co-Attention Networks [17.718448707146017]
組織と臓器の登録は、特定の組織学的セクションがヒトの臓器のごく一部しか取得できないため、追加の課題となる。
私たちは、さまざまな機関からソースを得たATOMベンチマークデータセットを作成し、この課題を機械学習問題に変換することを目的としています。
RegisMCANモデルの性能は,臓器画像から抽出した部分領域が全体の3次元体積内からどこから抽出されたのかを正確に予測する深層学習の可能性を示している。
論文 参考訳（メタデータ） (2024-06-06T14:21:15Z) - Shape Matters: Detecting Vertebral Fractures Using Differentiable
Point-Based Shape Decoding [51.38395069380457]
変性性脊椎疾患は高齢者に多い。
骨粗しょう性骨折やその他の変性変形性骨折のタイムリーな診断は、重度の腰痛や障害のリスクを軽減するための前向きな処置を促進する。
本研究では,脊椎動物に対する形状自動エンコーダの使用について検討する。
論文 参考訳（メタデータ） (2023-12-08T18:11:22Z) - CorpusBrain: Pre-train a Generative Retrieval Model for
Knowledge-Intensive Language Tasks [62.22920673080208]
単一ステップ生成モデルは、検索プロセスを劇的に単純化し、エンドツーエンドで最適化することができる。
我々は、事前学習された生成検索モデルをCorpsBrainと名付け、コーパスに関する全ての情報が、追加のインデックスを構築することなく、そのパラメータにエンコードされる。
論文 参考訳（メタデータ） (2022-08-16T10:22:49Z) - 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) - Modeling Shared Responses in Neuroimaging Studies through MultiView ICA [94.31804763196116]
被験者の大規模なコホートを含むグループ研究は、脳機能組織に関する一般的な結論を引き出す上で重要である。
グループ研究のための新しい多視点独立成分分析モデルを提案し、各被験者のデータを共有独立音源と雑音の線形結合としてモデル化する。
まず、fMRIデータを用いて、被験者間の共通音源の同定における感度の向上を示す。
論文 参考訳（メタデータ） (2020-06-11T17:29:53Z)
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。