論文の概要: End-to-end plaque counting and virus titration from laboratory plate images with deep learning

• arxiv url: http://arxiv.org/abs/2605.16008v1
• Date: Fri, 15 May 2026 14:38:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-18 21:22:26.321212
• Title: End-to-end plaque counting and virus titration from laboratory plate images with deep learning
• Title（参考訳）: 深層学習による実験用プレート画像からのエンド・ツー・エンドプラークカウントとウイルスのチトレーション
• Authors: Eugenia Moris, Alicia Costábile, Sebastián Rey, Irene Ferreiro, Joaquín Hurtado, Lizandra Lissette Luciano, Matías Villagrán, Aisha Espino Vázquez, Jomari Ramos, Isadora Monteiro, María Victoria de Santiago, Pilar Moreno, Gonzalo Moratorio, José Ignacio Orlando,
• Abstract要約: 実験室プラーク画像から直接サイトパシー効果に基づくウイルスのエンド・ツー・エンド・コンピュータ支援ワークフローを提示する。 パイプラインは井戸当たりのプラーク数を出力し、ミリリットル当たりのプラーク生成単位(PFU/mL)を自動的に計算する。 ウェブベースのプラットフォームに統合されており、ユーザーは結果をレビューし、実験を組織することができる。
• 参考スコア（独自算出の注目度）: 0.11615045708211792
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Plaque assays remain the gold standard readout of virus infectivity; however, plaque counting from plate images is labor-intensive and prone to inter-operator variability. We present an end-to-end, computer-aided workflow for cytopathic effect-based virus titration directly from laboratory plaque assay images. The proposed approach combines two models derived from the Segment Anything Model (SAM): a SAM2-based well-segmentation module that localizes assay wells across heterogeneous imaging conditions, and a SAM-based plaque-segmentation model that detects and enumerates plaques within each well. The method was evaluated on a mixed dataset comprising private plaque assay images of Mayaro virus and Coxsackievirus B3, together with public Vaccinia virus images from the VACVPlaque dataset. The pipeline outputs per-well plaque counts, automatically computes plaque-forming units per milliliter (PFU/mL), and is integrated into a web-based platform that allows users to review results and organize experiments. On held-out plates (17 from MAYV/CVB3 and 22 from VACV), the workflow generalized across two plate formats (6-well and 12-well) and showed strong agreement with manual annotations (Pearson correlation coefficients of 0.92 for MAYV/CVB3 and 0.88 for VACV). Automated plaque counts were further compared with annotations from four independent experts, demonstrating high concordance. The proposed system will be open sourced and publicly released upon acceptance of this manuscript to enable reproducible, scalable, and audit-ready plaque assay analysis while substantially reducing manual annotation effort.
• Abstract（参考訳）: プラークアッセイは依然としてウイルス感染率の標準基準である金の基準値であり続けているが、プレート画像からのプラークカウントは労働集約的であり、操作間変動の傾向にある。 実験室プラークアッセイ画像から直接サイトパシー効果に基づくウイルスの滴定を行うために,エンド・ツー・エンドのコンピュータ支援ワークフローを提案する。 提案手法はSegment Anything Model (SAM) から派生した2つのモデルを組み合わせる。SAM2ベースのウェルセグメンテーションモジュールは異種撮像条件にまたがるアッセイウェルをローカライズし、SAMベースのプラークセグメンテーションモデルは各井戸内のプラークを検出して列挙する。 本手法は,マヤロウイルスおよびコクサッキーウイルスB3のプライベートプラークアッセイ画像と,VACVPlaqueデータセットからのVaciniaウイルス画像とを組み合わせた混合データセットを用いて評価した。 パイプラインは井戸当たりのプラーク数を出力し、ミリリットル当たりのプラーク生成単位(PFU/mL)を自動的に計算し、Webベースのプラットフォームに統合することで、結果のレビューや実験の組織化を可能にします。 保持板(MAYV/CVB3から17、VACVから22)では、ワークフローが2つのプレート形式(6ウェルと12ウェル)で一般化し、マニュアルアノテーション(MAYV/CVB3のピアソン相関係数0.92、VACVの0.88)と強い一致を示した。 自動プラークカウントは、4人の独立した専門家の注釈と比較され、高い一致を示した。 提案システムは,再現性,拡張性,監査可能なプラークアッセイ分析を可能にするとともに,手作業による手作業の大幅な削減を図る。

関連論文リスト

• Interpretable Tile-Based Classification of Paclitaxel Exposure [2.857948740800973]
  C6グリオーマ細胞の相コントラスト顕微鏡によるパクリタキセル曝露の分類について検討した。 本稿では,局所パッチ上で動作し,タイル出力を画像ラベルに結合する,単純なタイリング・アンド・アグリゲーションパイプラインを提案する。
  論文  参考訳（メタデータ） (2025-10-27T14:13:51Z)
• Carotid Artery Plaque Analysis in 3D Based on Distance Encoding in Mesh Representations [0.04487265603408873]
  本研究では,3次元容器壁セグメンテーションマスクからプラークメッシュを抽出する手法を提案する。 症例特異的な閾値を適用し,202 T1-weighted black-blood MRIのデータセットから最大50%の狭窄を有する被験者のプラークを抽出した。 頸動脈341例からプラークメッシュを抽出し,2.69mulから847.7mulまで幅広いプラーク形状を抽出した。
  論文  参考訳（メタデータ） (2025-02-18T12:27:06Z)
• RadEdit: stress-testing biomedical vision models via diffusion image editing [45.43408333243842]
  本研究は、生成画像編集を用いて、バイオメディカルビジョンモデルのデータセットシフトをシミュレートし、障害モードを診断することを提案する。 既存の編集手法は、疾患や治療介入の共起によって学習された、望ましくない変化をもたらす可能性がある。 そこで我々は,複数のマスクを用いた新しい編集手法RadEditを導入し,変更を制約し,編集画像の一貫性を確保する。
  論文  参考訳（メタデータ） (2023-12-20T09:27:41Z)
• Diffusion Models for Counterfactual Generation and Anomaly Detection in Brain Images [39.94162291765236]
  病気の画像の健全なバージョンを生成し,それを用いて画素単位の異常マップを得るための弱教師付き手法を提案する。 健常者を対象にした拡散モデルを用いて, サンプリングプロセスの各ステップで拡散拡散確率モデル (DDPM) と拡散拡散確率モデル (DDIM) を組み合わせる。
  論文  参考訳（メタデータ） (2023-08-03T21:56:50Z)
• Synchronous Image-Label Diffusion Probability Model with Application to Stroke Lesion Segmentation on Non-contrast CT [2.6750287043724303]
  急性虚血性脳卒中(AIS)患者の予後を評価するため, ストローク病変容積は重要なX線学的指標である。 近年の拡散確率モデルでは、画像のセグメンテーションに使用される可能性が示されている。 本稿では,NCCTにおける脳卒中病変の分節に対する新しい画像ラベル拡散確率モデル(SDPM)を提案する。
  論文  参考訳（メタデータ） (2023-07-04T14:16:49Z)
• Improving Classification Model Performance on Chest X-Rays through Lung Segmentation [63.45024974079371]
  本稿では, セグメンテーションによる異常胸部X線(CXR)識別性能を向上させるための深層学習手法を提案する。 提案手法は,CXR画像中の肺領域を局所化するための深層ニューラルネットワーク(XLSor)と,大規模CXRデータセットで事前学習した自己教師あり運動量コントラスト(MoCo)モデルのバックボーンを用いたCXR分類モデルである。
  論文  参考訳（メタデータ） (2022-02-22T15:24:06Z)
• Malignancy Prediction and Lesion Identification from Clinical Dermatological Images [65.1629311281062]
  臨床皮膚画像から機械学習に基づく悪性度予測と病変の同定を検討する。 まず, サブタイプや悪性度に関わらず画像に存在するすべての病変を同定し, その悪性度を推定し, 凝集により, 画像レベルの悪性度も生成する。
  論文  参考訳（メタデータ） (2021-04-02T20:52:05Z)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)
• Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
  トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。 患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。 本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
  論文  参考訳（メタデータ） (2020-06-18T09:49:11Z)

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。