論文の概要: Data Synthesis Improves 3D Myotube Instance Segmentation
- arxiv url: http://arxiv.org/abs/2604.14720v1
- Date: Thu, 16 Apr 2026 07:30:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-17 21:29:31.779788
- Title: Data Synthesis Improves 3D Myotube Instance Segmentation
- Title（参考訳）: データ合成による3次元Myotubeインスタンスセグメンテーションの改善
- Authors: David Exler, Nils Friederich, Martin Krüger, John Jbeily, Mario Vitacolonna, Rüdiger Rudolf, Ralf Mikut, Markus Reischl,
- Abstract要約: 我々は,個々のミオチューブを中心線,局所的に変化するラジイ,分岐構造,楕円形の端キャップを用いて,実際の顕微鏡観察からモデル化する幾何学駆動パイプラインを提案する。
自己教師付きエンコーダプリトレーニングを備えたコンパクトな3D U-Netは、合成データのみを訓練し、実データの平均IPQ0.22を達成し、3つの確立されたゼロショットセグメンテーションモデルを大幅に上回っている。
- 参考スコア（独自算出の注目度）: 1.4621946932173584
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Myotubes are multinucleated muscle fibers serving as key model systems for studying muscle physiology, disease mechanisms, and drug responses. Mechanistic studies and drug screening thereby rely on quantitative morphological readouts such as diameter, length, and branching degree, which in turn require precise three-dimensional instance segmentation. Yet established pretrained biomedical segmentation models fail to generalize to this domain due to the absence of large annotated myotube datasets. We introduce a geometry-driven synthesis pipeline that models individual myotubes via polynomial centerlines, locally varying radii, branching structures, and ellipsoidal end caps derived from real microscopy observations. Synthetic volumes are rendered with realistic noise, optical artifacts, and CycleGAN-based Domain Adaptation (DA). A compact 3D U-Net with self-supervised encoder pretraining, trained exclusively on synthetic data, achieves a mean IPQ of 0.22 on real data, significantly outperforming three established zero-shot segmentation models, demonstrating that biophysics-driven synthesis enables effective instance segmentation in annotation-scarce biomedical domains.
- Abstract（参考訳）: 筋チューブは、筋生理学、疾患のメカニズム、薬物反応を研究するための重要なモデルシステムとして機能する多核筋繊維である。
したがって、機械学的研究と薬物スクリーニングは、直径、長さ、分岐度などの定量的な形態学的読み出しに依存しており、これは正確に3次元のインスタンスセグメンテーションを必要とする。
しかし、事前訓練されたバイオメディカルセグメンテーションモデルは、大きな注釈付きミオチューブデータセットがないため、この領域に一般化することができない。
本研究では, 個々のミオチューブを多項式中心線, 局所的に変化するラジイ, 分岐構造, および実際の顕微鏡観察から得られた楕円状端キャップでモデル化する形状駆動合成パイプラインを提案する。
合成ボリュームは、現実的なノイズ、光学的アーティファクト、およびCycleGANベースのドメイン適応(DA)で描画される。
自己教師付きエンコーダを事前訓練したコンパクトな3D U-Netは、実データ上で平均0.22のIPQを達成し、3つの確立されたゼロショットセグメンテーションモデルを大幅に上回り、バイオ物理駆動合成により、アノテーションとスカースなバイオメディカルドメインにおける効果的なインスタンスセグメンテーションが可能になることを実証した。
関連論文リスト
- Data-Efficient Meningioma Segmentation via Implicit Spatiotemporal Mixing and Sim2Real Semantic Injection [6.992254817538211]
本研究では,空間的多様体展開と意味的オブジェクト注入を統合した新しい二重拡張フレームワークを提案する。
我々のフレームワークは,nnU-NetやU-Mambaといった最先端モデルのデータ効率とロバスト性を大幅に向上させることを示す。
論文 参考訳（メタデータ） (2026-01-19T09:11:28Z) - SynapFlow: A Modular Framework Towards Large-Scale Analysis of Dendritic Spines [4.377081487137802]
樹状突起は、脳内の興奮性シナプスの鍵となる構造成分である。
その関連性にもかかわらず、3D+時間顕微鏡データにおける樹状体のスピンの構造力学の大規模解析は依然として困難である。
ここでは,樹状突起の検出,時間追跡,特徴抽出を自動化するために設計された,モジュール型機械学習ベースのパイプラインを提案する。
論文 参考訳（メタデータ） (2025-09-23T12:47:43Z) - Towards Generalized Synapse Detection Across Invertebrate Species [0.07999703756441755]
SimpSynはシングルステージのResidual U-Netで、シナプス前および後における二重チャネルの球面の予測を訓練している。
F1スコアのSynfulは、すべてのボリュームで相乗的なサイト検出に優れています。
論文 参考訳（メタデータ） (2025-09-21T11:40:49Z) - Synthetic Data for Blood Vessel Network Extraction [18.95453617434051]
脳内の血管ネットワークは脳卒中研究において重要な役割を担っている。
顕微鏡データから 詳細なトポロジカル血管網情報を抽出することは 重要な課題です
この研究は、合成データ生成とディープラーニングを組み合わせることで、体積顕微鏡データから容器ネットワークをグラフとして抽出する。
論文 参考訳（メタデータ） (2025-04-16T08:29:46Z) - Enhanced segmentation of femoral bone metastasis in CT scans of patients using synthetic data generation with 3D diffusion models [0.06700983301090582]
本稿では,3次元拡散確率モデル(DDPM)を用いた自動データパイプラインを提案する。
5675巻を新たに作成し,実データと合成データに基づいて3次元U-Netセグメンテーションモデルを訓練し,セグメンテーション性能を比較した。
論文 参考訳（メタデータ） (2024-09-17T09:21:19Z) - ShapeMamba-EM: Fine-Tuning Foundation Model with Local Shape Descriptors and Mamba Blocks for 3D EM Image Segmentation [49.42525661521625]
本稿では3次元EMセグメンテーションのための特殊微調整法であるShapeMamba-EMを提案する。
5つのセグメンテーションタスクと10のデータセットをカバーする、幅広いEMイメージでテストされている。
論文 参考訳（メタデータ） (2024-08-26T08:59:22Z) - Leveraging Frequency Domain Learning in 3D Vessel Segmentation [50.54833091336862]
本研究では,Fourier領域学習を3次元階層分割モデルにおけるマルチスケール畳み込みカーネルの代用として活用する。
管状血管分割作業において,新しいネットワークは顕著なサイス性能(ASACA500が84.37%,ImageCASが80.32%)を示した。
論文 参考訳（メタデータ） (2024-01-11T19:07:58Z) - Interpretable 2D Vision Models for 3D Medical Images [47.75089895500738]
本研究では,3次元画像処理における中間特徴表現を用いた2次元ネットワークの適応手法を提案する。
我々は、ベンチマークとして3D MedMNISTデータセットと、既存の手法に匹敵する数百の高分解能CTまたはMRIスキャンからなる2つの実世界のデータセットを示す。
論文 参考訳（メタデータ） (2023-07-13T08:27:09Z) - 3D Mitochondria Instance Segmentation with Spatio-Temporal Transformers [101.44668514239959]
本稿では,空間的および時間的注意を並列に効率的に計算するハイブリッドエンコーダデコーダフレームワークを提案する。
また,ミトコンドリアインスタンスの領域を背景から支援する訓練中に,意味的クラッタ・バックグラウンドの逆行性障害も導入した。
論文 参考訳（メタデータ） (2023-03-21T17:58:49Z) - gACSON software for automated segmentation and morphology analyses of
myelinated axons in 3D electron microscopy [55.78588835407174]
本稿では,3D-EMボリュームにおけるミレライズされた軸索の可視化,セグメンテーション,アセスメント,形態解析のためのフリーソフトウェアgACSONを紹介する。
gACSONは、ミエリン化軸索とその対応するミエリンの軸索内空間を自動的に分割する。
軸索径、軸索偏心性、ミエリン厚み、g比などのミエリン化軸索の形態を解析する。
論文 参考訳（メタデータ） (2021-12-13T08:17:15Z) - 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。