論文の概要: Full segmentation annotations of 3D time-lapse microscopy images of MDA231 cells

• arxiv url: http://arxiv.org/abs/2510.10797v1
• Date: Sun, 12 Oct 2025 20:31:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 18:06:30.10915
• Title: Full segmentation annotations of 3D time-lapse microscopy images of MDA231 cells
• Title（参考訳）: MDA231細胞の3次元時間分解顕微鏡像のフルセグメンテーションアノテーション
• Authors: Aleksandra Melnikova, Petr Matula,
• Abstract要約: Melnikova, A. & Matula, P., 2025)では,移動細胞の3Dタイムラプス・セグメンテーション・アノテーションとして初めて公開された。 本論文は,出版スペースの制限により,Melnikova, A., & Matula, P., 2025) に含まれなかったデータセットの包括的記述と,それに伴う実験を行うことを目的としている。
• 参考スコア（独自算出の注目度）: 45.956750849861315
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: High-quality, publicly available segmentation annotations of image and video datasets are critical for advancing the field of image processing. In particular, annotations of volumetric images of a large number of targets are time-consuming and challenging. In (Melnikova, A., & Matula, P., 2025), we presented the first publicly available full 3D time-lapse segmentation annotations of migrating cells with complex dynamic shapes. Concretely, three distinct humans annotated two sequences of MDA231 human breast carcinoma cells (Fluo-C3DL-MDA231) from the Cell Tracking Challenge (CTC). This paper aims to provide a comprehensive description of the dataset and accompanying experiments that were not included in (Melnikova, A., & Matula, P., 2025) due to limitations in publication space. Namely, we show that the created annotations are consistent with the previously published tracking markers provided by the CTC organizers and the segmentation accuracy measured based on the 2D gold truth of CTC is within the inter-annotator variability margins. We compared the created 3D annotations with automatically created silver truth provided by CTC. We have found the proposed annotations better represent the complexity of the input images. The presented annotations can be used for testing and training cell segmentation, or analyzing 3D shapes of highly dynamic objects.
• Abstract（参考訳）: 画像データセットとビデオデータセットの高品質で一般公開されたセグメンテーションアノテーションは、画像処理の分野を前進させる上で重要である。 特に、多数のターゲットのボリューム画像のアノテーションは、時間がかかり、困難である。 Melnikova, A. & Matula, P., 2025) では, 複雑な動的形状を持つ移動細胞の3次元時間ラプス分割アノテーションを初めて公開した。 具体的には、3人の異なるヒトがCTC(Cell Tracking Challenge)からMDA231ヒト乳癌細胞(Fluo-C3DL-MDA231)の2つの配列に注釈を付けた。 本論文は,出版スペースの制限により,Melnikova, A., & Matula, P., 2025) に含まれなかったデータセットの包括的記述と,それに伴う実験を行うことを目的としている。 すなわち、生成したアノテーションは、CTCオーガナイザが提供した追跡マーカーと一致しており、CTCの2Dゴールド真理に基づいて測定されたセグメンテーション精度は、アノテータ間の変数マージン内にあることを示す。 生成した3DアノテーションとCTCが提供する銀の真実を比較検討した。 提案したアノテーションは入力画像の複雑さを表すのがよいことがわかった。 提示されたアノテーションは、セルセグメンテーションのテストやトレーニング、あるいは非常にダイナミックなオブジェクトの3D形状の分析に使用することができる。

関連論文リスト

• Interactive 3D Medical Image Segmentation with SAM 2 [17.523874868612577]
  ビデオで訓練した次世代のMeta SAMモデルSAM 2のゼロショット機能について, 医用画像のセグメンテーションについて検討する。 3D画像のシーケンシャルな2Dスライスをビデオフレームとして扱うことで、SAM 2は単一のフレームから3Dボリューム全体へのアノテーションの完全な伝達を可能にする。
  論文  参考訳（メタデータ） (2024-08-05T16:58:56Z)
• View-Consistent Hierarchical 3D Segmentation Using Ultrametric Feature Fields [52.08335264414515]
  我々は3次元シーンを表すニューラル・レージアンス・フィールド(NeRF)内の新しい特徴場を学習する。 本手法は、ビュー一貫性の多粒性2Dセグメンテーションを入力とし、3D一貫性のセグメンテーションの階層構造を出力として生成する。 提案手法と,多視点画像と多粒性セグメンテーションを用いた合成データセットのベースラインの評価を行い,精度と視点整合性を向上したことを示す。
  論文  参考訳（メタデータ） (2024-05-30T04:14:58Z)
• 3D Vascular Segmentation Supervised by 2D Annotation of Maximum Intensity Projection [33.34240545722551]
  血管構造のセグメンテーションは、医学的分析と臨床応用において重要な役割を担っている。 既存の弱監督法は, スパース血管構造を扱う際に, 最適下肢機能を示した。 ここでは,3次元体積の次元を2次元画像に変換するために,最大強度投影(MIP)を用いる。 MIPを介して2D-3Dの深い特徴を融合してセグメンテーション性能を向上させる弱教師付きネットワークを導入する。
  論文  参考訳（メタデータ） (2024-02-19T13:24:46Z)
• DatasetNeRF: Efficient 3D-aware Data Factory with Generative Radiance Fields [68.94868475824575]
  本稿では,無限で高品質な3Dアノテーションを3Dポイントクラウドセグメンテーションとともに生成できる新しいアプローチを提案する。 我々は3次元生成モデルに先立って強力なセマンティクスを活用してセマンティクスデコーダを訓練する。 トレーニングが完了すると、デコーダは遅延空間を効率よく一般化し、無限のデータの生成を可能にする。
  論文  参考訳（メタデータ） (2023-11-18T21:58:28Z)
• Volumetric Medical Image Segmentation via Scribble Annotations and Shape Priors [3.774643767869751]
  本稿では,3次元異方性画像セグメント化に取り組むスクリブルベースボリューム画像セグメント化Scribble2D5を提案する。 これを実現するために,提案するラベル伝搬モジュールを用いて2.5D注目UNetを拡張し,スクリブルからのセマンティック情報を拡張する。 また,未ペアセグメント化マスクの形状事前情報を組み込んだオプションアドオンコンポーネントを提案し,モデル精度をさらに向上する。
  論文  参考訳（メタデータ） (2023-10-12T07:17:14Z)
• Interpretable 2D Vision Models for 3D Medical Images [47.75089895500738]
  本研究では,3次元画像処理における中間特徴表現を用いた2次元ネットワークの適応手法を提案する。 我々は、ベンチマークとして3D MedMNISTデータセットと、既存の手法に匹敵する数百の高分解能CTまたはMRIスキャンからなる2つの実世界のデータセットを示す。
  論文  参考訳（メタデータ） (2023-07-13T08:27:09Z)
• 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。