論文の概要: Agentic-J: An AI Agent for Biological Microscopy Image Analysis
- arxiv url: http://arxiv.org/abs/2606.02080v1
- Date: Mon, 01 Jun 2026 11:10:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-02 21:34:31.881143
- Title: Agentic-J: An AI Agent for Biological Microscopy Image Analysis
- Title（参考訳）: Agentic-J: 生体顕微鏡画像解析のためのAIエージェント
- Authors: Lukas Johanns, Marilin Moor, Davide Panzeri, Yu Zhou, Xinyi Chen, Nora F. K. Pauly, Zixuan Pan, Matthias Gunzer, Andreas Müller, Yiyu Shi, Hedi Peterson, Jianxu Chen,
- Abstract要約: Agentic-Jはコンテナ化されたマルチエージェントAIアシスタントである。
生物学者は自然言語で分析タスクを指定できる。
ドキュメント化されたプロジェクト構造に編成された実行可能なスクリプトを生成する。
- 参考スコア（独自算出の注目度）: 7.352708195594308
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Biological image analysis increasingly demands integration across heterogeneous tools, programming environments, and domain knowledge that few researchers can command simultaneously. We present Agentic-J, a containerised, multi-agent AI assistant, primarily for ImageJ/Fiji that enables biologists to specify analysis tasks in natural language, from nuclei segmentation and cell tracking to multi-condition quantification. The agent generates executable scripts organised into a documented project structure, so every analysis decision is traceable and the workflow can be reproduced or shared. The specialised sub-agents handle plugin management, code generation, debugging, quality assurance, and statistical reporting. In this paper we introduce the system's design, demonstrate real biological microscopy image analysis workflows, and detailed the technical implementation.
- Abstract（参考訳）: 生物学的画像解析は、異種ツール、プログラミング環境、ドメイン知識をまたいで統合することを要求するようになり、研究者が同時に操作できるものはほとんどない。
本稿では,主にImageJ/Fiji用のコンテナ化されたマルチエージェントAIアシスタントであるAgentic-Jについて紹介する。
エージェントは、文書化されたプロジェクト構造に編成された実行可能なスクリプトを生成するので、すべての分析決定はトレース可能であり、ワークフローを再生または共有することができる。
特別なサブエージェントは、プラグイン管理、コード生成、デバッグ、品質保証、統計レポートを処理する。
本稿では,本システムの設計について紹介し,生体顕微鏡画像解析のワークフローを実演し,技術的実装について詳述する。
関連論文リスト
- Agentic Large Language Models for Training-Free Neuro-Radiological Image Analysis [19.715805184063168]
Agentic AIは新しいソリューションを提供し、本質的な3D処理を必要としない。
自動脳MRI解析のための無トレーニングエージェントパイプラインを提案する。
この結果から,エージェントAIは,訓練や微調整を必要とせず,ツール使用による高次神経・放射線画像解析の課題を解決できることが示唆された。
論文 参考訳（メタデータ） (2026-04-17T22:04:16Z) - Owl-AuraID 1.0: An Intelligent System for Autonomous Scientific Instrumentation and Scientific Data Analysis [58.82857157710482]
Owl-AuraIDは,ソフトウェア・ハードウェア協調型エンボディエージェントシステムである。
そのスキル中心のフレームワークは、Type-1(GUI操作)とType-2(データ解析)のスキルをエンドツーエンドのインターフェイスに統合する。
Owl-AuraIDは10種類の精密測定器と多モード分光分析、顕微鏡イメージング、結晶分析を含む多種多様な範囲をカバーしている。
論文 参考訳（メタデータ） (2026-03-31T14:49:23Z) - El Agente Gráfico: Structured Execution Graphs for Scientific Agents [7.47895130442454]
タイプセーフな実行環境内に,大規模言語モデル(LLM)による意思決定を組み込んだ単一エージェントフレームワークであるEl Agente Grficoを紹介する。
我々のアプローチの中心は、科学概念の構造化された抽象化と、型付きPythonオブジェクトとして計算状態を表すオブジェクトグラフマッパーである。
大学レベルの量子化学タスクのスイートにまたがって,自動ベンチマークフレームワークを開発することにより,システムの評価を行う。
論文 参考訳（メタデータ） (2026-02-19T23:47:05Z) - Code-in-the-Loop Forensics: Agentic Tool Use for Image Forgery Detection [59.04089915447622]
ForenAgentはインタラクティブなIFDフレームワークで、MLLMが検出対象に関するPythonベースの低レベルツールを自律的に生成、実行、洗練することができる。
人間の推論にインスパイアされた我々は、グローバルな認識、局所的な焦点、反復的探索、そして全体論的偏見を含む動的推論ループを設計する。
実験の結果,ForenAgent は IFD 課題に対する創発的なツール利用能力と反射的推論を示すことがわかった。
論文 参考訳（メタデータ） (2025-12-18T08:38:44Z) - Simple Agents Outperform Experts in Biomedical Imaging Workflow Optimization [69.36509281190662]
生産レベルのコンピュータビジョンツールを科学データセットに適応させることは、重要な"ラストマイル"ボトルネックである。
我々は、AIエージェントを使ってこの手動コーディングを自動化し、最適なエージェント設計のオープンな問題に焦点を当てる。
簡単なエージェントフレームワークが、人間-専門家のソリューションよりも優れた適応コードを生成することを実証する。
論文 参考訳（メタデータ） (2025-12-02T18:42:26Z) - Benchmarking LLM-based Agents for Single-cell Omics Analysis [6.915378212190715]
AIエージェントは、適応的な計画、実行可能なコード生成、トレース可能な決定、リアルタイム知識融合を可能にする、パラダイムシフトを提供する。
本稿では,シングルセルオミクス解析におけるエージェント能力の厳格な評価を行うためのベンチマーク評価システムを提案する。
論文 参考訳（メタデータ） (2025-08-16T04:26:18Z) - AURA: A Multi-Modal Medical Agent for Understanding, Reasoning & Annotation [0.8397730500554048]
AURAは、医用画像の包括的分析、説明、評価のために特別に設計された最初の視覚的言語説明性エージェントである。
AURAは、より透明性があり、適応可能で、臨床的に整合したAIシステムに向けた大きな進歩を示している。
論文 参考訳（メタデータ） (2025-07-22T18:24:18Z) - WSI-Agents: A Collaborative Multi-Agent System for Multi-Modal Whole Slide Image Analysis [28.548748698432416]
全スライド画像(WSI)は、デジタル病理学において不可欠であり、様々な病理学課題におけるギガピクセルの組織解析を可能にする。
マルチモーダルWSI分析のための新しい協調型マルチエージェントシステムであるWSI-Agentsを提案する。
論文 参考訳（メタデータ） (2025-07-19T16:11:03Z) - Deep Research Agents: A Systematic Examination And Roadmap [109.53237992384872]
Deep Research (DR) エージェントは複雑な多ターン情報研究タスクに取り組むように設計されている。
本稿では,DRエージェントを構成する基礎技術とアーキテクチャコンポーネントの詳細な分析を行う。
論文 参考訳（メタデータ） (2025-06-22T16:52:48Z) - TagLab: A human-centric AI system for interactive semantic segmentation [63.84619323110687]
TagLabは、大規模な画像に注釈をつけるための、オープンソースのAI支援ソフトウェアである。
画像アノテーションをスクラッチから支援ツールを通じてスピードアップし、カスタムの完全自動セマンティックセグメンテーションモデルを作成し、自動予測の迅速な編集を可能にする。
研究結果は,海洋生態学と建築遺産の2つの異なるシナリオで報告した。
論文 参考訳（メタデータ） (2021-12-23T16:50:06Z)
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。