論文の概要: Region of Interest Segmentation and Morphological Analysis for Membranes in Cryo-Electron Tomography

• arxiv url: http://arxiv.org/abs/2602.21195v1
• Date: Tue, 24 Feb 2026 18:53:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-25 17:34:53.890358
• Title: Region of Interest Segmentation and Morphological Analysis for Membranes in Cryo-Electron Tomography
• Title（参考訳）: Cryo-Electron Tomography における膜中の関心セグメンテーションと形態解析
• Authors: Xingyi Cheng, Julien Maufront, Aurélie Di Cicco, Daniël M. Pelt, Manuela Dezi, Daniel Lévy,
• Abstract要約: 興味領域(ROI)の直接的・形状に依存しない領域と形態素表面分析のための2段階の枠組みを開発する。 TomoROISはディープラーニングベースのROIセグメンテーションを実行し、小さな注釈付きデータセットを使用してスクラッチからトレーニングすることができる。 SurfORAは、分断された構造を点雲と表面メッシュとして処理し、定量的な形態的特徴を抽出する。
• 参考スコア（独自算出の注目度）: 3.2400539346610464
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cryo-electron tomography (cryo-ET) enables high resolution, three-dimensional reconstruction of biological structures, including membranes and membrane proteins. Identification of regions of interest (ROIs) is central to scientific imaging, as it enables isolation and quantitative analysis of specific structural features within complex datasets. In practice, however, ROIs are typically derived indirectly through full structure segmentation followed by post hoc analysis. This limitation is especially apparent for continuous and geometrically complex structures such as membranes, which are segmented as single entities. Here, we developed TomoROIS-SurfORA, a two step framework for direct, shape-agnostic ROI segmentation and morphological surface analysis. TomoROIS performs deep learning-based ROI segmentation and can be trained from scratch using small annotated datasets, enabling practical application across diverse imaging data. SurfORA processes segmented structures as point clouds and surface meshes to extract quantitative morphological features, including inter-membrane distances, curvature, and surface roughness. It supports both closed and open surfaces, with specific considerations for open surfaces, which are common in cryo-ET due to the missing wedge effect. We demonstrate both tools using in vitro reconstituted membrane systems containing deformable vesicles with complex geometries, enabling automatic quantitative analysis of membrane contact sites and remodeling events such as invagination. While demonstrated here on cryo-ET membrane data, the combined approach is applicable to ROI detection and surface analysis in broader scientific imaging contexts.
• Abstract（参考訳）: クライオ電子トモグラフィー(cryo-ET)は、膜や膜タンパク質を含む生体構造の高分解能、3次元再構成を可能にする。 興味領域(ROI)の同定は、複雑なデータセット内の特定の構造的特徴の分離と定量化を可能にするため、科学的イメージングの中心である。 しかし実際には、ROIは通常、完全な構造セグメンテーションとポストホック分析によって間接的に引き起こされる。 この制限は、特に単体として分割される膜のような連続的かつ幾何学的に複雑な構造に顕著である。 そこで我々はTtomoROIS-SurfORAを開発した。これは直接的, 形状に依存しないROIセグメンテーションと形態的表面分析のための2段階のフレームワークである。 TomoROISはディープラーニングベースのROIセグメンテーションを実行し、小さな注釈付きデータセットを使ってスクラッチからトレーニングすることができる。 SurfORAは、細分化された構造を点雲や表面メッシュとして処理し、膜間距離、曲率、表面粗さなどの定量的な形態的特徴を抽出する。 閉面と開面の両方をサポートしており、開面については特に考慮されている。 複雑なジオメトリーを持つ変形性ベシクルを含むin vitro再構成膜システムを用いて,膜接触部位の自動定量分析と侵入などのリモデリングを可能にする。 ここでは、Cryo-ET膜データで実証されているが、この組み合わせのアプローチは、より広い科学的イメージングの文脈におけるROI検出と表面分析に適用できる。

関連論文リスト

• Multimodal Machine Learning for Integrating Heterogeneous Analytical Systems [0.6734447582308918]
  エンド・ツー・エンドのキャラクタリゼーションのための異種解析システムを統合する機械学習フレームワークを提案する。 本稿では,SEM画像から形態記述子を抽出し,得られた曲率,向き,交叉密度,空隙形状について述べる。 レーダプロットとUMAPによる可視化により、結晶性や絡み合いに応じてCNTフィルムの鮮明なクラスタリングが明らかになった。
  論文  参考訳（メタデータ） (2026-01-31T08:12:43Z)
• CellPainTR: Generalizable Representation Learning for Cross-Dataset Cell Painting Analysis [51.56484100374058]
  本稿では,細胞形態の基本的な表現を学習するためのトランスフォーマーベースのアーキテクチャであるCellPainTRを紹介する。 私たちの研究は、画像ベースのプロファイリングのための真の基盤モデルを作成するための重要なステップであり、より信頼性が高くスケーラブルなクロススタディ生物学的分析を可能にします。
  論文  参考訳（メタデータ） (2025-09-02T03:30:07Z)
• Aligned Manifold Property and Topology Point Clouds for Learning Molecular Properties [55.2480439325792]
  この研究は、局所量子由来のスカラー場とカスタムトポロジカルディスクリプタを組み合わせた分子表面表現であるAMPTCRを導入する。 分子量については、AMPTCRが物理的に意味のあるデータをコードし、検証R2は0.87であることを確認した。 細菌抑制タスクでは、AMPTCRは大腸菌阻害値の分類と直接回帰の両方を可能にする。
  論文  参考訳（メタデータ） (2025-07-22T04:35:50Z)
• Controllable diffusion-based generation for multi-channel biological data [66.44042377817074]
  本研究では, 構造的および空間的生物学的データに対する制御可能生成のための統合拡散フレームワークを提案する。 空間的および非空間的予測タスクにまたがって,IMCにおけるタンパク質のインパルス化や単一セルデータセットにおける遺伝子対タンパク質の予測など,最先端のパフォーマンスを示す。
  論文  参考訳（メタデータ） (2025-06-24T00:56:21Z)
• MorphoSeg: An Uncertainty-Aware Deep Learning Method for Biomedical Segmentation of Complex Cellular Morphologies [5.50767638479269]
  深層学習は医学や生物学的イメージング、特にセグメンテーションのタスクに革命をもたらした。 細胞の形態の多様性と複雑さのため、生物学的な細胞を分断することは依然として困難である。 我々は多能性癌細胞株であるNtera-2細胞の新しいベンチマークデータセットを導入する。 トレーニング中の低線量領域からの仮想アウトリーチのサンプリングを取り入れた,複雑な細胞形態区分(MorphoSeg)のための不確実性を考慮したディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-09-25T17:25:06Z)
• Tracing and segmentation of molecular patterns in 3-dimensional cryo-et/em density maps through algorithmic image processing and deep learning-based techniques [0.0]
  論文はアクチンフィラメントを 追跡する高度な計算技術の開発に焦点を当てています BundleTrac、Stereociliumで発見された束状アクチンフィラメントをトレースするSpagetti Tracer、アクチンネットワークでランダムに配向されたアクチンフィラメントをトレースするStruwwel Tracerの3つの新しい手法が開発されている。 論文の第2の構成要素は、中分解能(5-10アングストローム)3次元低温電子顕微鏡におけるヘリスやベータシートなどのタンパク質二次構造の位置を決定する畳み込みニューラルネットワーク(CNN)に基づくセグメンテーションモデルの導入である。
  論文  参考訳（メタデータ） (2024-03-26T00:41:54Z)
• PyNanospacing: TEM image processing tool for strain analysis and visualization [0.0]
  本稿では,幅広い材料を扱えるTEM画像処理のためのPythonコードを開発する。 平面間隔の局所的な差異を輪郭写像に変換し、格子拡大と圧縮の視覚的表現を可能にする。 ツールは非常に汎用的で、TEM画像を用いて材料特性を分析するのに大いに役立ちます。
  論文  参考訳（メタデータ） (2023-11-27T12:08:46Z)
• Tracking perovskite crystallization via deep learning-based feature detection on 2D X-ray scattering data [137.47124933818066]
  本稿では,より高速なR-CNN深層学習アーキテクチャに基づくX線回折画像の自動解析パイプラインを提案する。 有機-無機ペロブスカイト構造の結晶化をリアルタイムに追跡し, 2つの応用で検証した。
  論文  参考訳（メタデータ） (2022-02-22T15:39:00Z)
• Disentangling multiple scattering with deep learning: application to strain mapping from electron diffraction patterns [48.53244254413104]
  我々は、高非線形電子回折パターンを定量的構造因子画像に変換するために、FCU-Netと呼ばれるディープニューラルネットワークを実装した。 結晶構造の異なる組み合わせを含む20,000以上のユニークな動的回折パターンを用いてFCU-Netを訓練した。 シミュレーションされた回折パターンライブラリ、FCU-Netの実装、訓練されたモデルの重み付けは、オープンソースリポジトリで自由に利用可能です。
  論文  参考訳（メタデータ） (2022-02-01T03:53:39Z)
• Video-based Facial Micro-Expression Analysis: A Survey of Datasets, Features and Algorithms [52.58031087639394]
  マイクロ表現は不随意かつ過渡的な表情である。 嘘検出や犯罪検出など、幅広い応用において重要な情報を提供することができる。 マイクロ表現は過渡的で低強度であるため、検出と認識は困難であり、専門家の経験に大きく依存する。
  論文  参考訳（メタデータ） (2022-01-30T05:14:13Z)

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。