論文の概要: Catena: A Comprehensive Software Suite for Large-Scale Connectomics

• arxiv url: http://arxiv.org/abs/2609.21887v1
• Date: Fri, 18 Sep 2026 15:16:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-21 18:40:17.162298
• Title: Catena: A Comprehensive Software Suite for Large-Scale Connectomics
• Title（参考訳）: Catena: 大規模接続のための総合的なソフトウェアスイート
• Abstract要約: Catenaはオープンソースで包括的で開発者中心のコネクトミクス用ソフトウェアスイートだ。 3Dニューロンとオルガネラセグメンテーション、シナプス検出、微小管追跡、神経伝達物質推論のためのモジュールを統合する。
• 参考スコア（独自算出の注目度）: 1.5569975528081101
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The gold standard datasets for mapping connectomes are electron microscopy volumes of densely labeled neural tissue at nanometer resolution. Yet reconstructing and proofreading neuronal arbors and annotating all synapses requires pipelining multiple software tools that are often fragmented, inconsistently maintained, or proprietary, hindering reproducibility and automation. Here, we introduce Catena, an open-source, comprehensive, developer-centric software suite for connectomics that integrates modules for 3D neuron and organelle segmentation, synapse detection, microtubule tracking, and neurotransmitter inference. Catena organizes its modules in composable, chunk-wise processing pipelines in a completely documented, extensible, and adaptable design. We further reduce compute and ground-truth data requirements with pretrained machine learning models, facilitating fine-tuning. Catena ships fully containerized modules that encapsulate evolving dependencies for consistent execution across workstations and clusters. By consolidating open components, shareable models, and containerized runtimes, Catena delivers a reproducible and scalable approach to mapping cellular connectomes from electron microscopy volumes. Code and documentation: https://github.com/Mohinta2892/catena.git
• Abstract（参考訳）: コネクトームをマッピングするための金標準データセットは、ナノメートルの解像度で高密度にラベル付けされた神経組織の電子顕微鏡ボリュームである。 しかし、神経細胞の吸収体を再構築して証明し、すべてのシナプスに注釈を付けるには、しばしば断片化、一貫性のない保守、あるいはプロプライエタリな複数のソフトウェアツールをパイプライン化し、再現性と自動化を妨げる必要がある。 ここでは,3次元ニューロンとオルガネラセグメンテーション,シナプス検出,微小管追跡,ニューロトランスミッタ推論のためのモジュールを統合する,コネトミクスのためのオープンソースで包括的,開発者中心のソフトウェアスイートであるCatenaを紹介する。 Catenaはモジュールを構成可能でチャンクワイドな処理パイプラインで、完全にドキュメント化され、拡張可能で、適応可能な設計で構成する。 さらに、事前訓練された機械学習モデルにより、計算および地上データ要求を減らし、微調整を容易にする。 Catenaは、ワークステーションとクラスタをまたいだ一貫した実行のために、進化を続ける依存関係をカプセル化する、完全にコンテナ化されたモジュールを出荷する。 オープンコンポーネント、共有可能なモデル、コンテナ化ランタイムを統合することで、カテナは、電子顕微鏡ボリュームから細胞コネクトームをマッピングするための再現可能でスケーラブルなアプローチを提供する。 コードとドキュメント:https://github.com/Mohinta2892/catena.git

関連論文リスト

• CLABTOOLKIT: An Open-Source Toolkit for Routine Processing, Manipulation, and Visualization of Neuroimaging Data [0.0]
  神経イメージングの研究には異種データ構造を操作する必要がある。 CLABTOOL KITはオープンソースのPythonパッケージで,これらの操作をひとつのフレームワークに統合する。
  論文  参考訳（メタデータ） (2026-07-02T15:39:56Z)
• CANNs: A Toolkit for Research on Continuous Attractor Neural Networks [8.960994622247462]
  連続アトラクタニューラルネットワーク(CANN)は、脳が連続変数をエンコードする方法の標準計算フレームワークである。 本稿では,完全なCANN研究ワークフローを統合するオープンソースツールキットについて紹介する。
  論文  参考訳（メタデータ） (2026-06-26T07:12:45Z)
• Visual-to-Code Authoring, Tensor-Network Debugging, and Quantum-Circuit Inspection Tools in Python [51.892236819637354]
  ネットワークと量子回路は、接続性、指標、収縮順序、ゲート配置、測定、関連する設計選択に依存する構造体である。 コードよりも視覚的に推論しやすいことが多いが、Pythonでは頻繁に構築され、変換され、バックエンド固有のオブジェクトやコンパクトなシンボル式を通してチェックされる。 本稿では、サポート対象ネットワークの視覚的および構造的検査とトレーサム等価性を示すネットワークワーク・ビジュアライゼーション、ビジュアル・ツー・コードオーサリング、バックエンドコード生成、エクスポート、設計レベルの分析のための量子ネットワークワーク・エディター、クリアな回路レンダリング、検査および設計のための量子回路描画の3つの補完パッケージを提案する。
  論文  参考訳（メタデータ） (2026-06-07T18:01:31Z)
• NeuroClaw Technical Report [54.14941057366186]
  NeuroClawは、神経イメージング研究のためのドメイン特化マルチエージェント研究アシスタントである。 NeuroClawは、フォーマットとモダリティをまたいだ生のニューロイメージングデータを直接運用する。 3階層のスキル/エージェント階層は、ユーザとのインタラクション、高レベルのオーケストレーション、低レベルのツールスキルを分離する。
  論文  参考訳（メタデータ） (2026-04-27T16:57:14Z)
• Cedalion Tutorial: A Python-based framework for comprehensive analysis of multimodal fNIRS & DOT from the lab to the everyday world [0.0]
  Cedalionは、fNIRSとDOTデータのモデルベースおよびデータ駆動分析を統合するために設計されたPythonベースのフレームワークである。 SNIRFとBIDS標準をサポートし、クラウドで実行可能なJupyterノートブックをサポートし、コンテナ化された分析パイプラインを提供する。 信号品質評価、運動補正、GLMモデリング、再構成のための検証済みアルゴリズムを実装し、シミュレーション、データ拡張、マルチモーダル生理学解析のモジュールによって補完される。
  論文  参考訳（メタデータ） (2026-01-09T16:37:48Z)
• QuantumSavory: Write Symbolically, Run on Any Backend -- A Unified Simulation Toolkit for Quantum Computing and Networking [0.9009968922973344]
  我々は、エンドツーエンドの研究を実践するために構築されたオープンソースツールキットであるQuantumSavoryを紹介する。 状態、操作、測定、プロトコルロジックは、バックエンドに依存しないシンボリック言語で表現される。 新しいカスタムバックエンドは、小さく、明確に定義されたインターフェイスを通じて追加できる。 QuantumSavoryは、一貫したインターフェースを持つ標準状態、回路、プロトコルビルディングブロックの再利用ライブラリを出荷する。
  論文  参考訳（メタデータ） (2025-12-18T16:48:49Z)
• Learning Multimodal Volumetric Features for Large-Scale Neuron Tracing [72.45257414889478]
  オーバーセグメントニューロン間の接続を予測し,人間の作業量を削減することを目的としている。 最初はFlyTracingという名前のデータセットを構築しました。 本稿では,高密度なボリュームEM画像の埋め込みを生成するための,新しい接続性を考慮したコントラスト学習手法を提案する。
  論文  参考訳（メタデータ） (2024-01-05T19:45:12Z)
• Learning from partially labeled data for multi-organ and tumor segmentation [102.55303521877933]
  本稿では,トランスフォーマーに基づく動的オンデマンドネットワーク(TransDoDNet)を提案する。 動的ヘッドにより、ネットワークは複数のセグメンテーションタスクを柔軟に達成することができる。 我々はMOTSと呼ばれる大規模にラベル付けされたMulti-Organ and tumorベンチマークを作成し、他の競合相手よりもTransDoDNetの方が優れた性能を示す。
  論文  参考訳（メタデータ） (2022-11-13T13:03:09Z)
• Semi-Supervised Manifold Learning with Complexity Decoupled Chart Autoencoders [45.29194877564103]
  本研究は、クラスラベルなどの半教師付き情報を付加できる非対称符号化復号プロセスを備えたチャートオートエンコーダを導入する。 このようなネットワークの近似力を議論し、周囲空間の次元ではなく、本質的にデータ多様体の内在次元に依存する境界を導出する。
  論文  参考訳（メタデータ） (2022-08-22T19:58:03Z)
• Deep Parametric Continuous Convolutional Neural Networks [92.87547731907176]
  Parametric Continuous Convolutionは、非グリッド構造化データ上で動作する、新たな学習可能な演算子である。 室内および屋外シーンの点雲セグメンテーションにおける最先端技術よりも顕著な改善が見られた。
  論文  参考訳（メタデータ） (2021-01-17T18:28:23Z)

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。