論文の概要: Ca2+ transient detection and segmentation with the Astronomically motivated algorithm for Background Estimation And Transient Segmentation (Astro-BEATS)
- arxiv url: http://arxiv.org/abs/2603.22311v1
- Date: Thu, 19 Mar 2026 14:55:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-25 19:53:37.046932
- Title: Ca2+ transient detection and segmentation with the Astronomically motivated algorithm for Background Estimation And Transient Segmentation (Astro-BEATS)
- Title（参考訳）: 背景推定と過渡セグメンテーション(Astro-BEATS)のための天文学的動機付けアルゴリズムによるCa2+過渡検出とセグメンテーション
- Authors: Bolin Fan, Anthony Bilodeau, Frederic Beaupre, Theresa Wiesner, Christian Gagne, Flavie Lavoie-Cardinal, Renee Hlozek,
- Abstract要約: 蛍光をベースとしたCa$2+$-imagingは、局所的な神経活動を研究する強力なツールである。
In this present astro-BEATS, a automatic miniature Synaptic Calcium Transient segmentation algorithm。
Astro-BEATSは、現在の閾値ベースのアプローチよりも、シナプスCa$2+$過渡検出とセグメンテーションに優れています。
- 参考スコア（独自算出の注目度）: 0.3957768262206625
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Fluorescence-based Ca$^{2+}$-imaging is a powerful tool for studying localized neuronal activity, including miniature Synaptic Calcium Transients, providing real-time insights into synaptic activity. These transients induce only subtle changes in the fluorescence signal, often barely above baseline, which poses a significant challenge for automated synaptic transient detection and segmentation. Detecting astronomical transients similarly requires efficient algorithms that will remain robust over a large field of view with varying noise properties. We leverage techniques used in astronomical transient detection for miniature Synaptic Calcium Transient detection in fluorescence microscopy. We present Astro-BEATS, an automatic miniature Synaptic Calcium Transient segmentation algorithm that incorporates image estimation and source-finding techniques used in astronomy and designed for Ca$^{2+}$-imaging videos. Astro-BEATS outperforms current threshold-based approaches for synaptic Ca$^{2+}$ transient detection and segmentation. The produced segmentation masks can be used to train a supervised deep learning algorithm for improved synaptic Ca$^{2+}$ transient detection in Ca$^{2+}$-imaging data. The speed of Astro-BEATS and its applicability to previously unseen datasets without re-optimization makes it particularly useful for generating training datasets for deep learning-based approaches.
- Abstract（参考訳）: 蛍光をベースとしたCa$^{2+}$-imagingは、微小なシナプスカルシウム透過体を含む局所的な神経活動を研究する強力なツールであり、シナプス活動に対するリアルタイムな洞察を提供する。
これらのトランジェントは蛍光信号の微妙な変化しか起こさないが、しばしばベースラインよりわずかに上回っており、自動シナプス的トランジェント検出とセグメンテーションにおいて重要な課題となっている。
同様に、天文学的トランジェントを検出するには、様々なノイズ特性を持つ広い視野で頑健なアルゴリズムが必要である。
我々は、蛍光顕微鏡における超小型シンプティックカルシウム過渡検出のための天文学的過渡検出に使用される技術を活用している。
Astro-BEATSは、天文学で用いられる画像推定とソースフィニングを取り入れ、Ca$^{2+}$-imaging videoのために設計された、超小型のシンプティックカルシウム過渡セグメンテーションアルゴリズムである。
Astro-BEATSは、現在のしきい値に基づくCa$^{2+}$過渡検出とセグメンテーションのアプローチより優れている。
生成したセグメンテーションマスクは、Ca$^{2+}$-imagingデータにおけるシナプスCa$^{2+}$過渡検出を改善するための教師付きディープラーニングアルゴリズムのトレーニングに使用することができる。
Astro-BEATSの速度と、再最適化せずにこれまで見られなかったデータセットの適用性は、ディープラーニングベースのアプローチのためのトレーニングデータセットの生成に特に有用である。
関連論文リスト
- Trigger Optimization and Event Classification for Dark Matter Searches in the CYGNO Experiment Using Machine Learning [0.0]
本稿では,CYGNO内で開発された2つの補完的機械学習手法を提案する。
まず、再構成に基づく異常検出に基づくオンラインデータ削減のための、高速かつ完全に教師なしの戦略を提案する。
第2に、アメリシウム-ベリリウム中性子源で得られたデータに対して、分類不要ラベル(CWoLa)フレームワークを弱監督的に適用したことを報告した。
論文 参考訳（メタデータ） (2026-01-28T14:00:35Z) - The Sound of Noise: Leveraging the Inductive Bias of Pre-trained Audio Transformers for Glitch Identification in LIGO [0.0]
過渡的なノイズアーティファクト(グリッチ)は重力波干渉計(GW)の感度を制限する。
現在のグリッチ分類法は、ラベル付きデータセットを使用してスクラッチから訓練された教師付きモデルに依存している。
本稿では,GWひずみデータを音声処理のレンズで処理する新しいクロスドメインフレームワークを提案する。
論文 参考訳（メタデータ） (2026-01-27T20:16:53Z) - Real-time gravitational-wave inference for binary neutron stars using machine learning [71.29593576787549]
近似を行なわずに1秒で完全なBNS推論を行う機械学習フレームワークを提案する。
本手法は, (i) 合併前の正確な局所化を提供することにより, (i) 近似低遅延法と比較して, (ii) 局所化精度を$sim30%$で改善すること, (iii) 光度距離, 傾斜, 質量に関する詳細な情報を提供することにより, (i) マルチメーサの観測を向上する。
論文 参考訳（メタデータ） (2024-07-12T18:00:02Z) - Machine learning for exoplanet detection in high-contrast spectroscopy Combining cross correlation maps and deep learning on medium-resolution integral-field spectra [0.0]
積分場分光(IFS)データセットにおけるスペクトル次元と空間次元を利用する新しい手法を開発した。
我々は,高コントラスト系外惑星に対する検出感度を向上させるために,教師付きディープラーニングアルゴリズムを訓練する。
我々は,ML手法が検出限界を改良し,直接撮像された惑星の偽陽性を低減できる可能性を実証した。
論文 参考訳（メタデータ） (2024-05-22T09:25:58Z) - CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。
ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。
我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
論文 参考訳（メタデータ） (2024-03-21T15:13:36Z) - Combining multi-spectral data with statistical and deep-learning models
for improved exoplanet detection in direct imaging at high contrast [39.90150176899222]
太陽系外惑星の信号は、いくつかの観測と専用の検出アルゴリズムを組み合わせることでのみ識別できる。
我々は,観測結果から直接,ニュアンスの空間的,時間的,スペクトル的特性のモデルを学ぶ。
その後、畳み込みニューラルネットワーク(CNN)が教師ありの方法で訓練され、合成源の残像を検出する。
論文 参考訳（メタデータ） (2023-06-21T13:42:07Z) - Optimal Algorithms for the Inhomogeneous Spiked Wigner Model [89.1371983413931]
不均一な問題に対する近似メッセージパッシングアルゴリズム(AMP)を導出する。
特に,情報理論の閾値よりも大きい信号と雑音の比を必要とする既知のアルゴリズムが,ランダムよりも優れた処理を行うための統計的・計算的ギャップの存在を同定する。
論文 参考訳（メタデータ） (2023-02-13T19:57:17Z) - Multitask AET with Orthogonal Tangent Regularity for Dark Object
Detection [84.52197307286681]
暗黒環境下でのオブジェクト検出を強化するために,新しいマルチタスク自動符号化変換(MAET)モデルを提案する。
自己超越的な方法で、MAETは、現実的な照明劣化変換を符号化して復号することで、本質的な視覚構造を学習する。
我々は,合成および実世界のデータセットを用いて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） (2022-05-06T16:27:14Z) - Convolutional Deep Denoising Autoencoders for Radio Astronomical Images [0.0]
我々は、最先端の電波望遠鏡の合成画像に、畳み込み復号化オートエンコーダ(Convolutional Denoising Autoencoder)と呼ばれる機械学習技術を適用した。
我々のオートエンコーダは、器用感度の限界でかすかな物体を識別し、抽出する複雑な画像を効果的に識別することができる。
論文 参考訳（メタデータ） (2021-10-16T17:08:30Z) - Generalizing Face Forgery Detection with High-frequency Features [63.33397573649408]
現在のCNNベースの検出器は、メソッド固有の色テクスチャに過度に適合するため、一般化に失敗する傾向にある。
フェースフォージェリ検出に高周波雑音を用いることを提案する。
1つは、複数のスケールで高周波ノイズを抽出するマルチスケールの高周波特徴抽出モジュールである。
2つ目は、低レベルRGB特徴抽出器を導く残差誘導空間注意モジュールで、新しい視点からフォージェリートレースにもっと集中する。
論文 参考訳（メタデータ） (2021-03-23T08:19:21Z)
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。