論文の概要: AMAP-APP: Efficient Segmentation and Morphometry Quantification of Fluorescent Microscopy Images of Podocytes

• arxiv url: http://arxiv.org/abs/2602.10663v1
• Date: Wed, 11 Feb 2026 09:07:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-12 21:44:01.619081
• Title: AMAP-APP: Efficient Segmentation and Morphometry Quantification of Fluorescent Microscopy Images of Podocytes
• Title（参考訳）: AMAP-APP:ポドサイト蛍光顕微鏡画像の高感度分割とモルフォメトリー定量
• Authors: Arash Fatehi, David Unnersjö-Jess, Linus Butt, Noémie Moreau, Thomas Benzing, Katarzyna Bozek,
• Abstract要約: AMAP-APPは、ポッドサイト形態計測の障壁を克服するために設計されたクロスプラットフォームデスクトップアプリケーションである。 AMAP-APPは、消費者向けハードウェアの処理速度を147倍に向上させた。
• 参考スコア（独自算出の注目度）: 1.53934570513443
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Background: Automated podocyte foot process quantification is vital for kidney research, but the established "Automatic Morphological Analysis of Podocytes" (AMAP) method is hindered by high computational demands, a lack of a user interface, and Linux dependency. We developed AMAP-APP, a cross-platform desktop application designed to overcome these barriers. Methods: AMAP-APP optimizes efficiency by replacing intensive instance segmentation with classic image processing while retaining the original semantic segmentation model. It introduces a refined Region of Interest (ROI) algorithm to improve precision. Validation involved 365 mouse and human images (STED and confocal), benchmarking performance against the original AMAP via Pearson correlation and Two One-Sided T-tests (TOST). Results: AMAP-APP achieved a 147-fold increase in processing speed on consumer hardware. Morphometric outputs (area, perimeter, circularity, and slit diaphragm density) showed high correlation (r>0.90) and statistical equivalence (TOST P<0.05) to the original method. Additionally, the new ROI algorithm demonstrated superior accuracy compared to the original, showing reduced deviation from manual delineations. Conclusion: AMAP-APP democratizes deep learning-based podocyte morphometry. By eliminating the need for high-performance computing clusters and providing a user-friendly interface for Windows, macOS, and Linux, it enables widespread adoption in nephrology research and potential clinical diagnostics.
• Abstract（参考訳）: 背景: 自動ポッドサイトフットプロセス定量化は腎臓研究に不可欠であるが, 確立された「ポッドサイトの自動形態解析」 (AMAP) 法は高い計算要求, ユーザインタフェースの欠如, およびLinux依存性によって妨げられている。 AMAP-APPは,これらの障壁を克服するためのクロスプラットフォームデスクトップアプリケーションである。 メソッド: AMAP-APPは、オリジナルのセマンティックセマンティクスモデルを維持しながら、集中インスタンスセマンティクスを古典的な画像処理に置き換えることで効率を最適化する。 精度を向上させるため、改良されたROIアルゴリズムを導入している。 検証には、365個のマウスとヒトの画像(STEDと共焦点)、ピアソン相関とTOST(Two One-Sided T-tests)による元のAMAPに対するベンチマーク結果が含まれていた。 結果: AMAP-APPはコンシューマハードウェアの処理速度を147倍に向上させた。 モルフォメトリック出力 (面積, 周辺, 円度, スリット横隔膜密度) は, 従来法と高い相関 (r>0.90) と統計的等価 (TOST P<0.05) を示した。 さらに,新しいROIアルゴリズムでは,従来よりも精度が向上し,手動によるデラインのずれが低減された。 結論: AMAP-APPは深層学習に基づくポドサイト形態計測を民主化する。 高性能コンピューティングクラスタの必要性を排除し、Windows、macOS、Linux用のユーザフレンドリーなインターフェースを提供することで、ネフローロジー研究や潜在的な臨床診断に広く採用することができる。

関連論文リスト

• Transformers for Tabular Data: A Training Perspective of Self-Attention via Optimal Transport [42.80108166488221]
  この研究は、訓練中の自己注意層の中間的な投射を追跡し、その進化を評価する。 2つのクラスと3つのクラスからなる分類タスクと、バイオメディカルデータセットについて実験を行った。 その結果、最終自己注意マッピングはOT最適結合を近似することが多いが、トレーニング軌道は非効率であることがわかった。
  論文  参考訳（メタデータ） (2025-12-10T11:11:52Z)
• Explainable AI (XAI) for Arrhythmia detection from electrocardiograms [0.0]
  深層学習は心電図(ECG)信号から高い精度の不整脈検出を可能にしているが、臨床応用には限界がある。 本研究では,時系列ECG分析に特化して適応した説明可能なAI(XAI)技術の適用について検討する。
  論文  参考訳（メタデータ） (2025-08-24T10:44:24Z)
• AHDMIL: Asymmetric Hierarchical Distillation Multi-Instance Learning for Fast and Accurate Whole-Slide Image Classification [51.525891360380285]
  AHDMILは非対称な階層的蒸留マルチインスタンス学習フレームワークである。 2段階のトレーニングプロセスを通じて、無関係なパッチを排除します。 分類性能と推論速度の両方において、従来の最先端手法を一貫して上回っている。
  論文  参考訳（メタデータ） (2025-08-07T07:47:16Z)
• Mobile Image Analysis Application for Mantoux Skin Test [0.0]
  Mantoux Skin Test (TST) を用いたLTBI (Latent tuberculosis infection) の診断を目的とした新しいモバイルアプリケーションを提案する。 従来のTST法は、低追従率、患者の不快感、主観的手動解釈に悩まされることが多い。 このモバイルアプリケーションは、ARCoreを含む高度な画像処理技術と、DeepLabv3のような機械学習アルゴリズムを統合している。
  論文  参考訳（メタデータ） (2025-06-22T09:12:27Z)
• ECP-Mamba: An Efficient Multi-scale Self-supervised Contrastive Learning Method with State Space Model for PolSAR Image Classification [42.02105017671516]
  本稿では,マルチスケールの自己教師型コントラスト学習と状態空間モデル(SSM)のバックボーンを組み合わせた効率的なフレームワークであるECP-Mambaを提案する。 Flevoland 1989データセットでは、ECP-Mambaは99.70%、平均精度99.64%、Kappa係数99.62e-2で最先端のパフォーマンスを達成した。
  論文  参考訳（メタデータ） (2025-06-01T14:52:54Z)
• Augmentation is AUtO-Net: Augmentation-Driven Contrastive Multiview Learning for Medical Image Segmentation [3.1002416427168304]
  この論文は網膜血管セグメンテーションの課題に焦点を当てている。 深層学習に基づく医用画像セグメンテーションアプローチの広範な文献レビューを提供する。 効率的でシンプルな多視点学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-11-02T06:31:08Z)
• SESS: Saliency Enhancing with Scaling and Sliding [42.188013259368766]
  説明可能なAIや弱い教師付きオブジェクト検出とセグメンテーションを含む、いくつかの機械学習応用領域において、高品質な唾液マップが不可欠である。 SESS (Saliency Enhancing with Scaling and Sliding) と呼ばれる新しいサリエンシ向上手法を提案する。 これは既存のサリエンシマップ生成方法へのメソッドおよびモデル拡張である。
  論文  参考訳（メタデータ） (2022-07-05T02:16:23Z)
• Deep Learning Adapted Acceleration for Limited-view Photoacoustic Computed Tomography [1.8830359888767887]
  光音響計算トモグラフィ(PACT)は、PA信号検出のための超音波トランスデューサアレイでターゲットを照らすために、焦点のない大面積の光を使用する。 限定ビュー問題は、幾何学的条件の制限により、PACTの低画質の画像を引き起こす可能性がある。 数学的変動モデルとディープラーニングを組み合わせたモデルベース手法を提案する。
  論文  参考訳（メタデータ） (2021-11-08T02:05:58Z)
• Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
  ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。 我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
  論文  参考訳（メタデータ） (2021-10-27T19:28:36Z)
• CAMERAS: Enhanced Resolution And Sanity preserving Class Activation Mapping for image saliency [61.40511574314069]
  バックプロパゲーション画像のサリエンシは、入力中の個々のピクセルのモデル中心の重要性を推定することにより、モデル予測を説明することを目的としている。 CAMERASは、外部の事前処理を必要とせずに、高忠実度バックプロパゲーション・サリエンシ・マップを計算できる手法である。
  論文  参考訳（メタデータ） (2021-06-20T08:20:56Z)
• Automated Prostate Cancer Diagnosis Based on Gleason Grading Using Convolutional Neural Network [12.161266795282915]
  そこで本研究では,前立腺癌(PCa)の完全分類のための畳み込みニューラルネットワーク(CNN)を用いた自動分類法を提案する。 Patch-Based Image Reconstruction (PBIR) と呼ばれるデータ拡張手法が提案され,WSIの高分解能化と多様性の向上が図られた。 対象データセットへの事前学習モデルの適応性を高めるために,分布補正モジュールを開発した。
  論文  参考訳（メタデータ） (2020-11-29T06:42:08Z)

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。