論文の概要: Automatic Neuronal Activity Segmentation in Fast Four Dimensional Spatio-Temporal Fluorescence Imaging using Bayesian Approach
- arxiv url: http://arxiv.org/abs/2512.19032v1
- Date: Mon, 22 Dec 2025 05:08:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-23 18:54:32.625812
- Title: Automatic Neuronal Activity Segmentation in Fast Four Dimensional Spatio-Temporal Fluorescence Imaging using Bayesian Approach
- Title（参考訳）: ベイジアンアプローチによる高速4次元時空間蛍光画像における自律神経活動分離
- Authors: Ran Li, Pan Xiao, Kaushik Dutta, Youdong Guo,
- Abstract要約: 光シート顕微鏡で得られた4次元時間的データから神経活動を検出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。
提案手法は,画素ワイズ相関マップを計算し,平均要約画像から得られる空間情報と組み合わせることで,時間情報の利用を考慮に入れている。
- 参考スコア（独自算出の注目度）: 5.344174933185375
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Fluorescence Microcopy Calcium Imaging is a fundamental tool to in-vivo record and analyze large scale neuronal activities simultaneously at a single cell resolution. Automatic and precise detection of behaviorally relevant neuron activity from the recordings is critical to study the mapping of brain activity in organisms. However a perpetual bottleneck to this problem is the manual segmentation which is time and labor intensive and lacks generalizability. To this end, we present a Bayesian Deep Learning Framework to detect neuronal activities in 4D spatio-temporal data obtained by light sheet microscopy. Our approach accounts for the use of temporal information by calculating pixel wise correlation maps and combines it with spatial information given by the mean summary image. The Bayesian framework not only produces probability segmentation maps but also models the uncertainty pertaining to active neuron detection. To evaluate the accuracy of our framework we implemented the test of reproducibility to assert the generalization of the network to detect neuron activity. The network achieved a mean Dice Score of 0.81 relative to the synthetic Ground Truth obtained by Otsu's method and a mean Dice Score of 0.79 between the first and second run for test of reproducibility. Our method successfully deployed can be used for rapid detection of active neuronal activities for behavioural studies.
- Abstract（参考訳）: 蛍光顕微鏡カルシウムイメージングは、単一の細胞分解能で同時に大規模な神経活動を記録し解析するための基本的なツールである。
記録から行動関連ニューロン活性を自動的かつ正確に検出することは、生物の脳活動のマッピングを研究する上で重要である。
しかし、この問題に対する永遠のボトルネックは、時間と労力が集中的であり、一般化性に欠ける手作業のセグメンテーションである。
この目的のために,光シート顕微鏡で得られた4次元時空間データ中の神経活動を検出するためのベイズディープラーニングフレームワークを提案する。
提案手法は,画素ワイズ相関マップを計算し,その空間情報を平均要約画像から得られる空間情報と組み合わせることで,時間情報の利用を考慮している。
ベイズフレームワークは確率分割写像を生成するだけでなく、活動ニューロン検出に関する不確実性をモデル化する。
本フレームワークの精度を評価するため,ネットワークの一般化を主張する再現性テストを実施し,ニューロンの活動を検出する。
再現性試験では,大津法で得られた合成地層からの平均Diceスコア0.81,再現性試験での平均Diceスコア0.79を達成した。
本手法は,行動学的研究における活動神経活動の迅速検出に有効である。
関連論文リスト
- Automated Morphological Analysis of Neurons in Fluorescence Microscopy Using YOLOv8 [0.0]
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。
論文 参考訳（メタデータ） (2025-10-22T10:35:08Z) - Towards Utilising a Range of Neural Activations for Comprehending Representational Associations [0.6554326244334868]
ディープニューラルネットワークにおける中間表現をラベル付けするアプローチでは,その振る舞いに関する貴重な情報を捕捉できないことを示す。
非極端レベルのアクティベーションには、調査する価値のある複雑な情報が含まれていると仮定する。
そこで本研究では,中間領域のロジットサンプルから得られたデータを用いて,スプリアス相関を緩和する手法を開発した。
論文 参考訳（メタデータ） (2024-11-15T07:54:14Z) - Active Neural Mapping [20.242598287146578]
本稿では,連続学習型ニューラルシーン表現,すなわちアクティブニューラルマッピングによるアクティブマッピングの問題に対処する。
オンラインシーン再構築のための座標に基づく暗黙的ニューラル表現を用いたアクティブマッピングシステムについて初めて紹介する。
論文 参考訳（メタデータ） (2023-08-30T18:07:30Z) - Multilayer Multiset Neuronal Networks -- MMNNs [55.2480439325792]
本研究は,2層以上の類似性ニューロンを組み込んだ多層神経回路網について述べる。
また,回避すべき画像領域に割り当てられる反プロトタイプ点の利用についても検討した。
論文 参考訳（メタデータ） (2023-08-28T12:55:13Z) - 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) - Learnable latent embeddings for joint behavioral and neural analysis [3.6062449190184136]
CEBRAは、空間のマッピング、複雑なキネマティックな特徴の発見、視覚野からの自然映画の高速かつ高精度な復号化に利用できることを示す。
我々は、その精度を検証し、カルシウムと電気生理学の両方のデータセット、感覚と運動のタスク、そして種全体にわたる単純または複雑な振る舞いにその有用性を実証する。
論文 参考訳（メタデータ） (2022-04-01T19:19:33Z) - Overcoming the Domain Gap in Contrastive Learning of Neural Action
Representations [60.47807856873544]
神経科学の基本的な目標は、神経活動と行動の関係を理解することである。
我々は,ハエが自然に生み出す行動からなる新しいマルチモーダルデータセットを作成した。
このデータセットと新しい拡張セットは、神経科学における自己教師あり学習手法の適用を加速することを約束します。
論文 参考訳（メタデータ） (2021-11-29T15:27:51Z) - And/or trade-off in artificial neurons: impact on adversarial robustness [91.3755431537592]
ネットワークに十分な数のOR様ニューロンが存在すると、分類の脆さと敵の攻撃に対する脆弱性が増加する。
そこで我々は,AND様ニューロンを定義し,ネットワーク内での割合を増大させる対策を提案する。
MNISTデータセットによる実験結果から,本手法はさらなる探索の方向として有望であることが示唆された。
論文 参考訳（メタデータ） (2021-02-15T08:19:05Z) - Deep Cross-Subject Mapping of Neural Activity [33.25686697879346]
本研究では、ある被験者の神経活動信号に基づいて訓練されたニューラルデコーダを用いて、異なる被験者の運動意図を強固に復号できることを示す。
本稿では,クロスオブジェクト脳-コンピュータ開発に向けた重要なステップとして,本研究で報告した知見について述べる。
論文 参考訳（メタデータ） (2020-07-13T14:35:02Z) - BiDet: An Efficient Binarized Object Detector [96.19708396510894]
本稿では,効率的な物体検出のためのバイナライズニューラルネットワークのBiDetを提案する。
我々のBiDetは、冗長除去による物体検出にバイナリニューラルネットワークの表現能力を完全に活用している。
我々の手法は、最先端のバイナリニューラルネットワークを大きなマージンで上回る。
論文 参考訳（メタデータ） (2020-03-09T08:16:16Z) - 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。