論文の概要: Scalable Detection of Fossil Palynomorphs in Multifocal Digital Microscopy Images

• arxiv url: http://arxiv.org/abs/2609.05323v1
• Date: Fri, 04 Sep 2026 16:18:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-07 18:15:24.114206
• Title: Scalable Detection of Fossil Palynomorphs in Multifocal Digital Microscopy Images
• Title（参考訳）: 多焦点デジタル顕微鏡画像における毛細血管形態のスケーラブル検出
• Abstract要約: パリノモルフは過去の気候の重要な高解像度記録であり、古代の生態系の研究に欠かせない。 既存の方法は高解像度多焦点デジタル顕微鏡画像の手動解析に依存している。 我々の研究は、スライド画像全体において、パリーノモルフィックの自動検出のための、拡張性のある最初のエンドツーエンドパイプラインを提案する。
• 参考スコア（独自算出の注目度）: 34.18451733542759
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Palynomorphs (microscopic, organic-walled fossils such as pollen, spores, and dinoflagellates) are important high-resolution records of past climates and are critical to the study of ancient ecosystems. Existing methods rely on manual analysis of high-resolution, multifocal digital microscopy images, which is slow and time-consuming and requires researchers to compromise on the scale of their investigations. To the best of our knowledge, our work proposes the first ever scalable end-to-end pipeline for automated palynomorph detection in whole slide images that addresses this bottleneck through: (1) efficient methods for decomposing and compressing digitized multifocal microscope slide images into tractable 2-dimensional tiles for analysis; (2) benchmarking modern object detection models, including RF-DETR, for the detection of palynomorphs, achieving an AP@50 of 0.879; (3) an efficient algorithm for the synthesis of detection outputs across large-scale, high-resolution images; and (4) an I/O optimization resulting in faster inference time. Our methods drastically reduce the time required for palynomorph detection in a single slide from often days of manual inspection to under one hour of automated analysis, enabling palynological research at a substantially greater scale.
• Abstract（参考訳）: パリュノモルフ(花粉、胞子、ジノフラゲラートなどの微細で有機的な化石)は過去の気候の重要な高解像度記録であり、古代の生態系の研究に欠かせない。 既存の手法では、高解像度で多焦点のデジタル顕微鏡画像の手動解析に頼っている。 本研究は,(1)デジタル化された多焦点顕微鏡のスライド画像を抽出可能な2次元タイルに分解・圧縮する効率的な方法,(2)パリュノモルフ検出のためのRF-DETRを含む最新の物体検出モデルをベンチマークし,0.879のAP@50を達成し,(3)大規模で高解像度の画像に対して検出出力を合成する効率的なアルゴリズム,(4)高速な推論時間をもたらすI/O最適化を提案する。 本手法は,1枚のスライドにおいてパリン形態検出に要する時間を,手動検査の日数から1時間未満の自動解析に大幅に短縮し,パリン学的な研究を極めて大きな規模で行うことが可能となった。

関連論文リスト

• Leveraging Phytolith Research using Artificial Intelligence [1.335032020170759]
  ソロメトリー(Sorometry)は、植物石のデジタル化、推論、解釈のためのエンドツーエンドの人工知能パイプラインである。 本研究では2次元画像解析のためのConvNeXtと3次元ポイントクラウド解析のためのPointNet++を組み合わせたマルチモーダル融合モデルを開発した。 ボリビアアマゾンの参照収集と考古学的なサンプルに基づいて、我々の融合モデルは地球規模の分類精度77.9%を達成した。
  論文  参考訳（メタデータ） (2026-03-12T02:57:23Z)
• DeepAf: One-Shot Spatiospectral Auto-Focus Model for Digital Pathology [37.648157065553185]
  本稿ではDeepAfを利用した新しい自動顕微鏡システムを提案する。 DeepAfは、単一ショットフォーカス予測のためのハイブリッドアーキテクチャを通じて、空間的特徴とスペクトル的特徴を組み合わせる。 システムはがんの分類において4倍で0.90AUCを達成するが、これは通常の20倍WSIスキャンよりも低い倍率で重要な成果である。
  論文  参考訳（メタデータ） (2025-10-06T19:28:08Z)
• DiffDoctor: Diagnosing Image Diffusion Models Before Treating [57.82359018425674]
  DiffDoctorは2段階のパイプラインで、画像拡散モデルがより少ないアーティファクトを生成するのを支援する。 我々は100万以上の欠陥のある合成画像のデータセットを収集し、効率的なHuman-in-the-loopアノテーションプロセスを構築した。 次に、学習したアーティファクト検出器が第2段階に関与し、ピクセルレベルのフィードバックを提供することで拡散モデルを最適化する。
  論文  参考訳（メタデータ） (2025-01-21T18:56:41Z)
• MaskTerial: A Foundation Model for Automated 2D Material Flake Detection [48.73213960205105]
  MaskTerialと呼ばれる深層学習モデルを提案する。このモデルでは、インスタンスセグメンテーションネットワークを用いて、2D素材のフレークを確実に識別する。 このモデルは、ラベルのないデータからリアルな顕微鏡画像を生成する合成データ生成装置を用いて、広範囲に事前訓練されている。 六方晶窒化ホウ素などの低コントラスト材料の検出において,既存の技術よりも顕著な改善が認められた。
  論文  参考訳（メタデータ） (2024-12-12T15:01:39Z)
• BlurryScope enables compact, cost-effective scanning microscopy for HER2 scoring using deep learning on blurry images [0.0]
  ブルリスコープ(BlurryScope)は、組織部位の自動検査・解析のための費用効率が高くコンパクトなソリューションである。 ヒト上皮成長因子受容体2(HER2)スコアの自動分類を行った。 4クラス (0, 1+, 2+, 3+) と2クラス (0/1+, 2+/3+) のHER2分類では, 79.3%, 89.7%の精度が得られた。
  論文  参考訳（メタデータ） (2024-10-23T04:46:36Z)
• SaccadeDet: A Novel Dual-Stage Architecture for Rapid and Accurate Detection in Gigapixel Images [50.742420049839474]
  SaccadeDetは、人間の目の動きにインスパイアされた、ギガピクセルレベルの物体検出のための革新的なアーキテクチャである。 PANDAデータセットを用いて評価した本手法は,最先端手法の8倍の高速化を実現する。 また、全スライドイメージングへの応用を通じて、ギガピクセルレベルの病理解析に有意な可能性を示す。
  論文  参考訳（メタデータ） (2024-07-25T11:22:54Z)
• Spatiotemporal Pyramidal CNN with Depth-Wise Separable Convolution for Eye Blinking Detection in the Wild [0.0]
  点眼検出は、誤認検出、運転疲労検出などにおいて重要な役割を担っている。 眼球点眼検出モデルは、様々な条件下で異なる眼球画像の解像度から効率的に学習する方法と、より高速な推論時間で検出モデルのサイズを減らす方法の2つに対処されている。
  論文  参考訳（メタデータ） (2023-06-20T04:59:09Z)
• Fast spline detection in high density microscopy data [0.0]
  多生物系の顕微鏡的研究において、衝突と重なりの問題は依然として困難である。 そこで,本研究では,一般的なモチーフと重なり合うスプラインの正確な形状軌跡を抽出する,エンドツーエンドの深層学習手法を開発した。 線虫Caenorhabditis elegansの密集実験における使用性の設定と実証を行った。
  論文  参考訳（メタデータ） (2023-01-11T13:40:05Z)
• Tracking perovskite crystallization via deep learning-based feature detection on 2D X-ray scattering data [137.47124933818066]
  本稿では,より高速なR-CNN深層学習アーキテクチャに基づくX線回折画像の自動解析パイプラインを提案する。 有機-無機ペロブスカイト構造の結晶化をリアルタイムに追跡し, 2つの応用で検証した。
  論文  参考訳（メタデータ） (2022-02-22T15:39:00Z)
• A parameter refinement method for Ptychography based on Deep Learning concepts [55.41644538483948]
  伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。 最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。 我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
  論文  参考訳（メタデータ） (2021-05-18T10:15:17Z)

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。