論文の概要: An automatic counting algorithm for the quantification and uncertainty analysis of the number of microglial cells trainable in small and heterogeneous datasets

• arxiv url: http://arxiv.org/abs/2602.22974v1
• Date: Thu, 26 Feb 2026 13:13:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-27 18:41:22.699569
• Title: An automatic counting algorithm for the quantification and uncertainty analysis of the number of microglial cells trainable in small and heterogeneous datasets
• Title（参考訳）: 小型・異種データセットで学習可能なマイクログリア細胞の定量化と不確実性解析のための自動カウントアルゴリズム
• Authors: L. Martino, M. M. Garcia, P. S. Paradas, E. Curbelo,
• Abstract要約: そこで我々は,ラット腰部脊髄断面積における微小グリア細胞の数測定に,細胞検出を省略して取り組む。 非パラメトリックで非線形な自動カーネルカウンタを設計する。 人工と実のデータセットによる異なる数値実験は、非常に有望な結果を示している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Counting immunopositive cells on biological tissues generally requires either manual annotation or (when available) automatic rough systems, for scanning signal surface and intensity in whole slide imaging. In this work, we tackle the problem of counting microglial cells in lumbar spinal cord cross-sections of rats by omitting cell detection and focusing only on the counting task. Manual cell counting is, however, a time-consuming task and additionally entails extensive personnel training. The classic automatic color-based methods roughly inform about the total labeled area and intensity (protein quantification) but do not specifically provide information on cell number. Since the images to be analyzed have a high resolution but a huge amount of pixels contain just noise or artifacts, we first perform a pre-processing generating several filtered images {(providing a tailored, efficient feature extraction)}. Then, we design an automatic kernel counter that is a non-parametric and non-linear method. The proposed scheme can be easily trained in small datasets since, in its basic version, it relies only on one hyper-parameter. However, being non-parametric and non-linear, the proposed algorithm is flexible enough to express all the information contained in rich and heterogeneous datasets as well (providing the maximum overfit if required). Furthermore, the proposed kernel counter also provides uncertainty estimation of the given prediction, and can directly tackle the case of receiving several expert opinions over the same image. Different numerical experiments with artificial and real datasets show very promising results. Related Matlab code is also provided.
• Abstract（参考訳）: 生体組織に免疫陽性細胞を数えるには、一般的に手動のアノテーションまたは(利用可能な)自動粗いシステムが必要である。 本研究では,ラットの腰部脊髄断面積におけるマイクログリア細胞の数える問題に対して,細胞検出を省略し,計測作業のみに焦点をあてることにより対処する。 しかし、手動の細胞計数は時間を要する作業であり、また広範な人員訓練も必要である。 古典的な自動色に基づく手法は、ラベル付き面積と強度(タンパク質の定量化)について大まかに情報を提供するが、細胞番号に関する情報は特に提供しない。 解析対象の画像は高解像度であるが,ノイズやアーティファクトのみを含む膨大なピクセルを含むため,まず,複数のフィルタ画像を生成する前処理を行う。 そして,非パラメトリックかつ非線形な自動カーネルカウンタを設計する。 提案手法は、基本バージョンでは1つのハイパーパラメータにのみ依存するため、小さなデータセットで容易に訓練することができる。 しかし、非パラメトリックで非線形であるため、提案アルゴリズムはリッチで不均一なデータセットに含まれる全ての情報を表現できる(必要であれば最大オーバーフィットを提供する)。 さらに、提案したカーネルカウンタは、与えられた予測の不確実性を推定し、同一画像上で複数の専門家の意見を受信した場合に直接対処することができる。 人工と実のデータセットによる異なる数値実験は、非常に有望な結果を示している。 Matlabの関連コードも提供されている。

関連論文リスト

• Unsupervised cell segmentation by fast Gaussian Processes [6.709057867802485]
  ノイズ顕微鏡画像に対する高速ガウス過程に基づく新規な教師なしセル分割アルゴリズムを開発した。 異なる部位の異なる輝度を含む異種画像に適応し、背景から物体を分離する頑健な閾値基準を導出した。
  論文  参考訳（メタデータ） (2025-05-24T23:28:14Z)
• IDCIA: Immunocytochemistry Dataset for Cellular Image Analysis [0.5057850174013127]
  そこで我々は,細胞画像解析のための機械学習手法の有効性を向上させるために,新しい注釈付き微視的セル画像データセットを提案する。 我々のデータセットには、細胞の顕微鏡像と、各画像、細胞数、細胞の位置が含まれています。
  論文  参考訳（メタデータ） (2024-11-13T19:33:08Z)
• Machine Learning for Flow Cytometry Data Analysis [0.0]
  フローサイトメーターは、同時に数万の細胞を迅速に分析し、同時に単一の細胞から複数のパラメータを測定できる。 何百万もの細胞から収集された多次元データの中で、興味深い細胞集団を手動で識別できる必要がある。 3つの代表的な自動クラスタリングアルゴリズムが選択され、完全にかつ部分的に自動ゲーティングによって適用され、比較され、評価される。
  論文  参考訳（メタデータ） (2023-03-16T00:43:46Z)
• Active Learning Enhances Classification of Histopathology Whole Slide Images with Attention-based Multiple Instance Learning [48.02011627390706]
  我々は、注意に基づくMILをトレーニングし、データセット内の各画像に対する信頼度を算出し、専門家のアノテーションに対して最も不確実なWSIを選択する。 新たな注意誘導損失により、各クラスにアノテートされた領域がほとんどない、トレーニングされたモデルの精度が向上する。 将来的には、病理組織学における癌分類の臨床的に関連する文脈において、MILモデルのトレーニングに重要な貢献をする可能性がある。
  論文  参考訳（メタデータ） (2023-03-02T15:18:58Z)
• A kinetic approach to consensus-based segmentation of biomedical images [39.58317527488534]
  バイオメディカルセグメンテーション問題に有界信頼度コンセンサスモデルの運動バージョンを適用した。 システムの長時間の挙動は、代理のフォッカー・プランク法(英語版)の助けを借りて計算される。 2次元グレースケール画像の関連集合に対して導入されたセグメンテーション距離を最小化する。
  論文  参考訳（メタデータ） (2022-11-08T09:54:34Z)
• Self-Supervised Learning as a Means To Reduce the Need for Labeled Data in Medical Image Analysis [64.4093648042484]
  胸部X線画像のデータセットとバウンディングボックスラベルを用いて,13種類の異常の分類を行った。 ラベル付きデータの平均精度と精度を60%に抑えることで,完全教師付きモデルと同等の性能が得られることを示す。
  論文  参考訳（メタデータ） (2022-06-01T09:20:30Z)
• Image-to-Image Regression with Distribution-Free Uncertainty Quantification and Applications in Imaging [88.20869695803631]
  真値を含むことが保証される各画素の周囲の不確実な間隔を導出する方法を示す。 画像から画像への回帰を3つのタスクで評価する。
  論文  参考訳（メタデータ） (2022-02-10T18:59:56Z)
• A parameter refinement method for Ptychography based on Deep Learning concepts [55.41644538483948]
  伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。 最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。 我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
  論文  参考訳（メタデータ） (2021-05-18T10:15:17Z)
• 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)

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。