論文の概要: Automated Detection of Abnormalities in Zebrafish Development

• arxiv url: http://arxiv.org/abs/2605.10464v1
• Date: Mon, 11 May 2026 12:33:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-12 23:28:50.808007
• Title: Automated Detection of Abnormalities in Zebrafish Development
• Title（参考訳）: ゼブラフィッシュの発達過程における異常の自動検出
• Authors: Sarath Sivaprasad, Hui-Po Wang, Anna-Lisa Jäckel, Jonas Baumann, Carole Baumann, Jennifer Herrmann, Mario Fritz,
• Abstract要約: 本研究では,ゼブラフィッシュ胚発生の高分解能画像系列の大規模データセットを,条件および化合物曝露下で導入する。 本データセットは,(1)ゼブラの受精度分類,ゼブラフィッシュの卵の生存率の評価(130,368画像),(2)毒性評価,時間とともに有毒な曝露によって引き起こされる奇形の検出(55,296画像)の2つのベンチマークタスクをサポートする。 このデータセットの他に,ゼブラフィッシュ卵の特徴を組み込んだトランスフォーマーベースのベースラインモデルも提示し,初期発生の異常を予測した。
• 参考スコア（独自算出の注目度）: 34.13586231002437
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Zebrafish embryos are a valuable model for drug discovery due to their optical transparency and genetic similarity to humans. However, current evaluations rely on manual inspection, which is costly and labor-intensive. While machine learning offers automation potential, progress is limited by the lack of comprehensive datasets. To address this, we introduce a large-scale dataset of high-resolution microscopic image sequences capturing zebrafish embryonic development under both control conditions and exposure to compounds (3,4-dichloroaniline). This dataset, with expert annotations at fine-grained temporal levels, supports two benchmarking tasks: (1) fertility classification, assessing zebrafish egg viability (130,368 images), and (2) toxicity assessment, detecting malformations induced by toxic exposure over time (55,296 images). Alongside the dataset, we present the first transformer-based baseline model that integrates spatiotemporal features to predict developmental abnormalities at early stages. Experimental results present the model's effectiveness, achieving 98% accuracy in fertility classification and 92% in toxicity assessment. These findings underscore the potential of automated approaches to enhance zebrafish-based toxicity analysis.
• Abstract（参考訳）: ゼブラフィッシュの胚は、その光学的透明性とヒトとの遺伝的類似性により、薬物発見にとって貴重なモデルである。 しかし、現在の評価は、コストが高く労働集約的な手動検査に依存している。 機械学習は自動化の可能性を提供するが、包括的なデータセットの欠如によって進歩は制限される。 そこで本研究では,ゼブラフィッシュ胚発生を制御条件と化合物(3,4-ジクロロアニリン)の暴露条件の両方で捉えた高精細画像の大規模データセットを提案する。 本データセットは, 詳細な時間レベルの専門家アノテーションを用いて, 1) 受精分類, ゼブラフィッシュ卵の生存可能性の評価(130,368画像), (2) 毒性評価, 時間とともに有毒な曝露によって引き起こされる奇形の検出(55,296画像)の2つのベンチマークタスクをサポートする。 データセットの他に、時空間的特徴を統合した最初のトランスフォーマーベースラインモデルも提示し、早期の発達異常を予測する。 実験の結果,98%の出生率,92%の毒性評価が得られた。 これらの知見は、ゼブラフィッシュによる毒性分析を強化する自動化アプローチの可能性を示している。

関連論文リスト

• Development and Validation of a Low-Cost Imaging System for Seedling Germination Kinetics through Time-Cumulative Analysis [1.570530789849319]
  本研究では,R. solani接種がLactuca sativa L. 種子の発芽と初期発生に及ぼす効果について,低コストで画像ベースのモニタリングシステムを用いて検討した。 結果,R. solani感染は発芽率と初期苗活力を大幅に低下させることが明らかとなった。
  論文  参考訳（メタデータ） (2025-10-07T08:26:11Z)
• Whole-Genome Phenotype Prediction with Machine Learning: Open Problems in Bacterial Genomics [0.8437187555622164]
  細菌の全ゲノムデータセットから表現型予測を取り巻く問題を設定し,因果関係の学習に拡張した。 我々は、この性質のデータセットに直面した場合、マシンの意思決定の信頼性に影響を与える課題について議論する。
  論文  参考訳（メタデータ） (2025-02-11T18:25:14Z)
• Merging synthetic and real embryo data for advanced AI predictions [69.07284335967019]
  我々は、作成した2つのデータセットを用いて、2つの生成モデルをトレーニングし、既存の1つのデータセットを使用して、様々な細胞レベルで合成胚画像を生成する。 これらは実画像と組み合わせて、胚細胞ステージ予測のための分類モデルを訓練した。 その結果,実データと合成画像を組み合わせることで分類性能が向上し,実データのみをトレーニングした場合の94.5%に比べて97%の精度が得られた。
  論文  参考訳（メタデータ） (2024-12-02T08:24:49Z)
• Multi-scale Spatio-temporal Transformer-based Imbalanced Longitudinal Learning for Glaucoma Forecasting from Irregular Time Series Images [45.894671834869975]
  緑内障は、進行性視神経線維損傷と不可逆性失明を引き起こす主要な眼疾患の1つである。 逐次画像入力に適した変換器アーキテクチャに基づくマルチスケール時空間変換器ネットワーク(MST-former)を提案する。 本手法は, 軽度認知障害とアルツハイマー病の予測に90.3%の精度で, アルツハイマー病神経画像イニシアチブ(ADNI)MRIデータセットに優れた一般化能力を示す。
  論文  参考訳（メタデータ） (2024-02-21T02:16:59Z)
• Bayesian adaptive and interpretable functional regression for exposure profiles [0.0]
  妊娠中の汚染物質曝露は、出生および健康上の結果の既知かつ有害な要因である。 ノースカロライナ州の学生の大規模なコホートを用いて、ほぼ連続的な解像度で記録された出生前$mboxPM_2.5$の露光を調査した。
  論文  参考訳（メタデータ） (2022-03-01T22:52:50Z)
• DeepAdversaries: Examining the Robustness of Deep Learning Models for Galaxy Morphology Classification [47.38422424155742]
  銀河の形態分類では、画像データにおける摂動の影響について検討する。 ドメイン適応によるトレーニングはモデルロバスト性を向上し、これらの摂動の影響を緩和することを示す。
  論文  参考訳（メタデータ） (2021-12-28T21:29:02Z)
• Deep Low-Shot Learning for Biological Image Classification and Visualization from Limited Training Samples [52.549928980694695]
  In situ hybridization (ISH) gene expression pattern image from the same developmental stage。 正確な段階のトレーニングデータをラベル付けするのは、生物学者にとっても非常に時間がかかる。 限られた訓練画像を用いてISH画像を正確に分類する2段階の低ショット学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-10-20T06:06:06Z)

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。