論文の概要: MTCurv: Deep learning for direct microtubule curvature mapping in noisy fluorescence microscopy images

• arxiv url: http://arxiv.org/abs/2604.26517v1
• Date: Wed, 29 Apr 2026 10:32:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-30 15:59:36.358889
• Title: MTCurv: Deep learning for direct microtubule curvature mapping in noisy fluorescence microscopy images
• Title（参考訳）: MTCurv: ノイズ蛍光顕微鏡画像における直接微小管曲率マッピングのための深層学習
• Authors: Achraf Ait Laydi, Sidi Mohamed Sid'El Moctar, Yousef El Mourabit, Hélène Bouvrais,
• Abstract要約: MTCurvは、ノイズのある顕微鏡画像からの微小管曲率マップの直接的、セグメンタオンフリー回帰のためのディープラーニングフレームワークである。 MTCurvは背景蛍光の存在下でも局所微小管曲率を正確に回復する。
• 参考スコア（独自算出の注目度）: 0.29165586612027233
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Accurate quantification of the geometry of curvilinear biological structures is essential for understanding cellular mechanics and disease-related morphological alterations. Microtubule curvature is a key descriptor of filament rigidity and mechanical perturbations. However, reliable curvature extraction from fluorescence microscopy images remains challenging due to noise, low contrast, and partial filament visibility. Existing approaches rely on segmentation pipelines with pre or post-processing, which are highly sensitive to segmentation errors and often fail under adverse imaging conditions. In this work, we propose MTCurv, a deep learning framework for direct, segmenta-tion-free regression of microtubule curvature maps from noisy microscopy images. Leveraging a synthetic dataset with pixel-wise curvature annotations, we reformulated curvature estimation as a regression problem and adapted an attention-based residual U-Net. To reduce hallucinations and enforce spatial coherence, we introduced a gradient-aware loss combining Mean Squared Error with a gradient consistency term. Beyond model and loss design, we evaluated commonly used regression and image quality metrics, revealing that many perceptual and blind metrics are poorly suited for curvature estimation. Correlation-based metrics, particularly Spearman correlation, emerged as more reliable indicators of curvature prediction quality. Experiments on two datasets of increasing difficulty demonstrated that MTCurv accurately recovers local microtubule curvatures, even in the presence of background fluorescence. Ablation studies highlighted the contribution of both residual encoding and attention-based decoding. Overall, this work provides a practical tool for filament curvature analysis and methodological insights for geometry-aware regression in biomedical imaging. Datasets and code are made available.
• Abstract（参考訳）: カルビリニア生物構造の正確な定量化は、細胞力学と疾患に関連する形態変化を理解するのに不可欠である。 微小管曲率(Microtubule curvature)は、フィラメント剛性と機械的摂動の鍵となる記述である。 しかし、蛍光顕微鏡画像からの信頼性のある曲率抽出は、ノイズ、低コントラスト、部分的なフィラメントの可視性のために難しいままである。 既存のアプローチは、前処理や後処理のセグメンテーションパイプラインに依存しており、セグメンテーションエラーに非常に敏感であり、しばしば悪い撮像条件下で失敗する。 本研究では,雑音顕微鏡画像からの微小管曲率マップの直接回帰を行うための深層学習フレームワーク MTCurv を提案する。 画素単位の曲率アノテーションを用いた合成データセットを用いて、回帰問題として曲率推定を再構成し、注意に基づく残差U-Netを適用した。 幻覚を減らし,空間コヒーレンスを強制するために,平均二乗誤差と勾配整合項を組み合わせた勾配認識損失を導入した。 モデルと損失設計の他に、よく使われる回帰と画像品質の指標を評価し、多くの知覚と盲点の指標が曲率推定に不適であることを明らかにした。 相関に基づくメトリクス、特にスピアマン相関は、曲率予測品質の信頼性の高い指標として現れた。 難易度を増大させる2つのデータセットの実験により、MSCurvは背景蛍光の存在下であっても局所的な微小管曲率を正確に回復することを示した。 アブレーション研究は、残留エンコーディングと注意に基づくデコードの両方の寄与を強調した。 全体として、この研究はフィラメント曲率解析のための実用的なツールと、バイオメディカルイメージングにおける幾何学的回帰の方法論的洞察を提供する。 データセットとコードは利用可能である。

関連論文リスト

• A novel attention mechanism for noise-adaptive and robust segmentation of microtubules in microscopy images [0.27185251060695437]
  本研究では,Squeeze-and-Excitation (SE)モジュールを拡張し,様々なノイズレベルに動的に適応する新しいノイズ適応型アテンション機構を提案する。 このアダプティブSE(ASE)はU-Netデコーダに統合され、残りのエンコーダブロックが組み込まれ、軽量だが強力なモデルであるab_Res_U-Netを形成する。 合成画像と実雑音画像の両方の微小管を効果的に分画し、最先端のカービリナー構造分画法より優れていた。
  論文  参考訳（メタデータ） (2025-07-10T14:26:50Z)
• B-Spine: Learning B-Spline Curve Representation for Robust and Interpretable Spinal Curvature Estimation [50.208310028625284]
  脊椎のB-スプライン曲線表現を学習するための新しいディープラーニングパイプラインであるB-Spineを提案する。 低画質X線画像から脊髄曲率推定のためのコブ角度を推定する。
  論文  参考訳（メタデータ） (2023-10-14T15:34:57Z)
• Fearless Luminance Adaptation: A Macro-Micro-Hierarchical Transformer for Exposure Correction [65.5397271106534]
  単一のニューラルネットワークは、すべての露光問題に対処することが難しい。 特に、コンボリューションは、極端に過度に露出した領域における忠実な色や詳細を復元する能力を妨げる。 本稿では,マクロマイクロ階層変換器を提案する。マクロマイクロ階層変換器は,長距離依存を捉えるマクロアテンション,局所特徴を抽出するマイクロアテンション,粗大な修正のための階層構造を提案する。
  論文  参考訳（メタデータ） (2023-09-02T09:07:36Z)
• The Topology-Overlap Trade-Off in Retinal Arteriole-Venule Segmentation [0.0]
  畳み込みニューラルネットワークは 予測と専門家のアノテーションの 高い重複を達成できる オーバーラップの観点から,本モデルが最先端技術と同等の結果を得られることを示す。
  論文  参考訳（メタデータ） (2023-03-31T13:01:05Z)
• Fluctuation-based deconvolution in fluorescence microscopy using plug-and-play denoisers [2.236663830879273]
  蛍光顕微鏡で得られた生きた試料の画像の空間分解能は、可視光の回折により物理的に制限される。 この制限を克服するために、いくつかのデコンボリューションと超解像技術が提案されている。
  論文  参考訳（メタデータ） (2023-03-20T15:43:52Z)
• Self-Supervised Training with Autoencoders for Visual Anomaly Detection [61.62861063776813]
  我々は, 正規サンプルの分布を低次元多様体で支持する異常検出において, 特定のユースケースに焦点を当てた。 我々は、訓練中に識別情報を活用する自己指導型学習体制に適応するが、通常の例のサブ多様体に焦点をあてる。 製造領域における視覚異常検出のための挑戦的なベンチマークであるMVTec ADデータセットで、最先端の新たな結果を達成する。
  論文  参考訳（メタデータ） (2022-06-23T14:16:30Z)
• Negligible effect of brain MRI data preprocessing for tumor segmentation [36.89606202543839]
  我々は3つの公開データセットの実験を行い、ディープニューラルネットワークにおける異なる前処理ステップの効果を評価する。 その結果、最も一般的な標準化手順は、ネットワーク性能に何の価値も与えないことが示されている。 画像の規格化に伴う信号分散の低減のため,画像強度正規化手法はモデル精度に寄与しない。
  論文  参考訳（メタデータ） (2022-04-11T17:29:36Z)
• Bending Loss Regularized Network for Nuclei Segmentation in Histopathology Images [69.74667930907314]
  核分割のための曲げ損失正規化ネットワークを提案する。 提案した曲げ損失は、大きな曲率を持つ輪郭点に対する高い罰則を定義し、小さな曲率を持つ輪郭点に小さな罰則を適用する。 曲げ損失の最小化は、複数の核を含む輪郭の発生を避けることができる。
  論文  参考訳（メタデータ） (2020-02-03T21:20:50Z)

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。