論文の概要: Automated Morphological Analysis of Neurons in Fluorescence Microscopy Using YOLOv8

• arxiv url: http://arxiv.org/abs/2510.19455v1
• Date: Wed, 22 Oct 2025 10:35:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 03:08:15.632015
• Title: Automated Morphological Analysis of Neurons in Fluorescence Microscopy Using YOLOv8
• Title（参考訳）: YOLOv8を用いた蛍光顕微鏡におけるニューロンの自動形態解析
• Authors: Banan Alnemri, Arwa Basbrain,
• Abstract要約: 本研究は、幹細胞由来のニューロンの高分解能データセットに基づいて、ニューロンのインスタンスセグメンテーションと測定のためのパイプラインを示す。 提案手法は、手動で注釈付顕微鏡画像に基づいて訓練されたYOLOv8を用いており、高いセグメンテーション精度を97%以上達成している。 抽出した形態測定の全体的な精度は75.32%に達し、提案手法の有効性をさらに裏付けた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate segmentation and precise morphological analysis of neuronal cells in fluorescence microscopy images are crucial steps in neuroscience and biomedical imaging applications. However, this process is labor-intensive and time-consuming, requiring significant manual effort and expertise to ensure reliable outcomes. This work presents a pipeline for neuron instance segmentation and measurement based on a high-resolution dataset of stem-cell-derived neurons. The proposed method uses YOLOv8, trained on manually annotated microscopy images. The model achieved high segmentation accuracy, exceeding 97%. In addition, the pipeline utilized both ground truth and predicted masks to extract biologically significant features, including cell length, width, area, and grayscale intensity values. The overall accuracy of the extracted morphological measurements reached 75.32%, further supporting the effectiveness of the proposed approach. This integrated framework offers a valuable tool for automated analysis in cell imaging and neuroscience research, reducing the need for manual annotation and enabling scalable, precise quantification of neuron morphology.
• Abstract（参考訳）: 蛍光顕微鏡画像における神経細胞の正確なセグメンテーションと正確な形態解析は、神経科学およびバイオメディカルイメージングの応用において重要なステップである。 しかし、このプロセスは労働集約的で時間を要するため、信頼性を確保するためにはかなりの手作業と専門知識が必要である。 本研究は、幹細胞由来のニューロンの高分解能データセットに基づいて、ニューロンのインスタンスセグメンテーションと測定のためのパイプラインを示す。 提案手法は、手動で注釈付顕微鏡画像に基づいて訓練されたYOLOv8を用いている。 このモデルは高いセグメンテーション精度を達成し、97%を超えた。 さらに、パイプラインは、地下の真実と予測マスクの両方を利用して、細胞の長さ、幅、面積、グレースケールの強度値を含む生物学的に重要な特徴を抽出した。 抽出された形態測定の全体的な精度は75.32%に達し、提案手法の有効性をさらに裏付けた。 この統合されたフレームワークは、細胞イメージングと神経科学の研究における自動解析のための貴重なツールを提供し、手動のアノテーションの必要性を減らし、スケーラブルで正確なニューロン形態の定量化を可能にする。

関連論文リスト

• Neural Cellular Automata for Lightweight, Robust and Explainable Classification of White Blood Cell Images [40.347953893940044]
  ニューラルセルオートマトン(NCA)を用いた白血球分類の新しいアプローチを提案する。 NCAに基づく手法はパラメータの面で著しく小さく,ドメインシフトに対する堅牢性を示す。 その結果,NAAは画像分類に利用でき,従来の手法の課題に対処できることがわかった。
  論文  参考訳（メタデータ） (2024-04-08T14:59:53Z)
• Interpretable cancer cell detection with phonon microscopy using multi-task conditional neural networks for inter-batch calibration [39.759100498329275]
  本稿では,バッチ間キャリブレーションを同時に実現する条件付きニューラルネットワークフレームワークを提案する。 異なる実験バッチをトレーニングし、検証することで、我々のアプローチを検証する。 このモデルを拡張して, 診断信号の再構成を行い, 疾患状態を示す有能な特徴の物理的解釈を可能にした。
  論文  参考訳（メタデータ） (2024-03-26T12:20:10Z)
• Nondestructive, quantitative viability analysis of 3D tissue cultures using machine learning image segmentation [0.0]
  本稿では,3次元培養における細胞生存率の定量化のための画像処理アルゴリズムについて述べる。 提案アルゴリズムは,1対の人的専門家に対して,数日にわたる全体像と培養マトリクスの合成において,同様の性能を示すことを示す。
  論文  参考訳（メタデータ） (2023-11-15T20:28:31Z)
• The Expressive Leaky Memory Neuron: an Efficient and Expressive Phenomenological Neuron Model Can Solve Long-Horizon Tasks [64.08042492426992]
  本稿では,脳皮質ニューロンの生物学的モデルであるExpressive Memory(ELM)ニューロンモデルを紹介する。 ELMニューロンは、上記の入力-出力関係を1万以下のトレーニング可能なパラメータと正確に一致させることができる。 本稿では,Long Range Arena(LRA)データセットなど,時間構造を必要とするタスクで評価する。
  論文  参考訳（メタデータ） (2023-06-14T13:34:13Z)
• PhagoStat a scalable and interpretable end to end framework for efficient quantification of cell phagocytosis in neurodegenerative disease studies [0.0]
  本稿では,食欲活動の定量化と分析を行うためのエンドツーエンド,スケーラブル,汎用的なリアルタイムフレームワークを提案する。 提案するパイプラインでは,大規模なデータセットを処理でき,データ品質検証モジュールも備えている。 我々はこのパイプラインをFTDの微小グリア細胞食細胞解析に応用し,統計的に信頼性の高い結果を得た。
  論文  参考訳（メタデータ） (2023-04-26T18:10:35Z)
• Learning multi-scale functional representations of proteins from single-cell microscopy data [77.34726150561087]
  局所化分類に基づいて訓練された単純な畳み込みネットワークは、多様な機能情報をカプセル化したタンパク質表現を学習できることを示す。 また,生物機能の異なるスケールでタンパク質表現の質を評価するためのロバストな評価戦略を提案する。
  論文  参考訳（メタデータ） (2022-05-24T00:00:07Z)
• 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)
• Microvascular Dynamics from 4D Microscopy Using Temporal Segmentation [81.30750944868142]
  経時的に脳血流量の変化を追跡でき, ピアル表面に向かって伝播する自発性動脈拡張を同定できる。 この新たなイメージング機能は、機能的磁気共鳴イメージング(fMRI)を基盤とした血行動態応答関数を特徴付けるための有望なステップである。
  論文  参考訳（メタデータ） (2020-01-14T22:55:03Z)

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。