論文の概要: MorphoBranch: A Fine-Structure-Preserving Workbench for Morphometric Analysis of Branched Cellular Structures
- arxiv url: http://arxiv.org/abs/2610.00860v1
- Date: Thu, 01 Oct 2026 00:23:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-03 01:19:23.816939
- Title: MorphoBranch: A Fine-Structure-Preserving Workbench for Morphometric Analysis of Branched Cellular Structures
- Title（参考訳）: MorphoBranch: 分岐細胞構造のモルフォメトリー解析のための微細構造保存ワークベンチ
- Abstract要約: MorphoBranch(モルフォブランチ)は、枝分かれした細胞構造の形態計測のための微細な構造保存、人間再生可能なワークベンチである。
神経軸索とマイクログリア画像の微細構造定量化をサポートし、検査可能な再現可能な分析を維持できる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Background and Objectives: Fluorescence-labeled cellular arbors provide readouts of neuronal and microglial morphology, but fine and weakly labeled processes are prone to fragmentation and false connections that bias skeleton-based measurements. We present MorphoBranch, a fine-structure-preserving, human-reviewable workbench for morphometry of branched cellular structures. Methods: MorphoBranch combines a deterministic Morphometry Engine with an LLM-assisted Refinement Engine. The Mor- phometry Engine implements an image-to-graph workflow integrating multiscale structural evidence extraction, hysteresis segmen- tation, evidence-constrained skeleton refinement, and graph-based morphometry. The Refinement Engine maps natural-language requests to registered actions for parameter adjustment, preview execution, metric reporting, and unsupported-request handling, while image processing and quantitative computation remain deterministic and reviewable. Results: MorphoBranch was evaluated on two public neuronal axon datasets, AxonMIP and AxonStack, and the in-house Cell- Morph dataset of microglial fluorescence images. It achieved the highest Skeleton F1 and clDice and the lowest length-estimation error among the evaluated methods on all three datasets, while also achieving the highest Dice and IoU on AxonMIP and Axon- Stack. Across 150 natural-language tasks, the Refinement Engine achieved a 94.0% end-to-end success rate. Conclusions: These results demonstrate that MorphoBranch provides a reproducible, human-reviewable workflow for mor- phometric analysis of branched cellular structures. It supports fine-structure-preserving quantification across neuronal axon and microglial fluorescence images while maintaining inspectable and reproducible analysis workflows.
- Abstract（参考訳）: 背景と目的: 蛍光標識された細胞アルバータは、神経および微小グリアの形態の読み出しを提供するが、微細で弱いラベル付けされたプロセスは、骨格をベースとした測定に基づく断片化や偽のつながりを引き起こす。
本報告では, 微細構造保存型ヒトレビュアブルワークベンチであるMorphoBranchについて述べる。
方法: MorphoBranchは決定論的モルフォメトリーエンジンとLLM支援リファインメントエンジンを組み合わせる。
Mor-phometry Engineは、マルチスケールな構造的エビデンス抽出、ヒステリシスのセグメン-テーション、エビデンスに制約のある骨格の微細化、グラフベースの形態計測を統合した画像とグラフのワークフローを実装している。
Refinement Engineは、自然言語リクエストをパラメータ調整、プレビュー実行、メトリックレポート、サポートされた要求処理のための登録されたアクションにマッピングする。
結果:MorphoBranchはAxonMIPとAxonStackの2つの公開ニューロン軸索データセットと,マイクログリア蛍光画像の社内細胞-Morphデータセットで評価された。
また、AxonMIPとAxon-Stackで最高であるDiceとIoUを達成した。
150の自然言語タスクに対して、Refinement Engineは94.0%のエンドツーエンドの成功率を達成した。
結論:これらの結果は、MorphoBranchが、分岐した細胞構造のモー・フォメトリクス解析のために再現性があり、人間にレビュー可能なワークフローを提供することを示している。
神経軸索とマイクログリア蛍光画像の微細構造保存量化をサポートし、検査可能な再現可能な分析ワークフローを維持している。
関連論文リスト
- MorphoOrgaAgent: A Foundation-Model-Based Multi-Agent System for Autonomous Organoid Analysis [15.37845144515258]
我々は、ゼロショットのオルガノイドセグメンテーション、自動データ分析、自然言語入力に基づくレポート生成を実現するフレームワークであるMorphoOrgaAgentを紹介する。
さらに,オルガノイド形態解析におけるエージェントシステムの定量的評価のためのベンチマークであるMorphoOrgaVQAを紹介する。
論文 参考訳（メタデータ） (2026-09-08T12:59:46Z) - An AI-enabled tool for quantifying overlapping red blood cell sickling dynamics in microfluidic assays [5.577003343220155]
このフレームワークは、AIによるアノテーション、セグメンテーション、分類、インスタンスカウントを統合して、赤血球の集団を定量化する。
これは、密封された細胞懸濁液を介して実験的スループットを2倍以上にし、薬物依存的な病的行動を捉え、細胞の形態的進化の機械生物学的特徴を明らかにすることができる。
論文 参考訳（メタデータ） (2026-01-25T05:32:53Z) - Automated Morphological Analysis of Neurons in Fluorescence Microscopy Using YOLOv8 [0.0]
本研究は、幹細胞由来のニューロンの高分解能データセットに基づいて、ニューロンのインスタンスセグメンテーションと測定のためのパイプラインを示す。
提案手法は、手動で注釈付顕微鏡画像に基づいて訓練されたYOLOv8を用いており、高いセグメンテーション精度を97%以上達成している。
抽出した形態測定の全体的な精度は75.32%に達し、提案手法の有効性をさらに裏付けた。
論文 参考訳（メタデータ） (2025-10-22T10:35:08Z) - Learning Multiscale Consistency for Self-supervised Electron Microscopy
Instance Segmentation [48.267001230607306]
本稿では,EMボリュームのマルチスケール一貫性を高める事前学習フレームワークを提案する。
当社のアプローチでは,強力なデータ拡張と弱いデータ拡張を統合することで,Siameseネットワークアーキテクチャを活用している。
効果的にボクセルと機能の一貫性をキャプチャし、EM分析のための転送可能な表現を学習する。
論文 参考訳（メタデータ） (2023-08-19T05:49:13Z) - PhagoStat a scalable and interpretable end to end framework for
efficient quantification of cell phagocytosis in neurodegenerative disease
studies [0.0]
本稿では,食欲活動の定量化と分析を行うためのエンドツーエンド,スケーラブル,汎用的なリアルタイムフレームワークを提案する。
提案するパイプラインでは,大規模なデータセットを処理でき,データ品質検証モジュールも備えている。
我々はこのパイプラインをFTDの微小グリア細胞食細胞解析に応用し,統計的に信頼性の高い結果を得た。
論文 参考訳（メタデータ） (2023-04-26T18:10:35Z) - Optimizations of Autoencoders for Analysis and Classification of
Microscopic In Situ Hybridization Images [68.8204255655161]
同様のレベルの遺伝子発現を持つ顕微鏡画像の領域を検出・分類するためのディープラーニングフレームワークを提案する。
分析するデータには教師なし学習モデルが必要です。
論文 参考訳（メタデータ） (2023-04-19T13:45:28Z) - A Segmentation Method for fluorescence images without a machine learning
approach [0.0]
本研究では,細胞と核を同定するための決定論的計算神経科学アプローチについて述べる。
この方法は、正式に正しい関数に基づいて堅牢であり、特定のデータセットのチューニングに支障を来さない。
論文 参考訳（メタデータ） (2022-12-28T16:47:05Z) - A kinetic approach to consensus-based segmentation of biomedical images [39.58317527488534]
バイオメディカルセグメンテーション問題に有界信頼度コンセンサスモデルの運動バージョンを適用した。
システムの長時間の挙動は、代理のフォッカー・プランク法(英語版)の助けを借りて計算される。
2次元グレースケール画像の関連集合に対して導入されたセグメンテーション距離を最小化する。
論文 参考訳（メタデータ） (2022-11-08T09:54:34Z) - 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) - Towards an Automatic Analysis of CHO-K1 Suspension Growth in
Microfluidic Single-cell Cultivation [63.94623495501023]
我々は、人間の力で抽象化されたニューラルネットワークをデータレベルで注入できる新しい機械学習アーキテクチャを提案する。
具体的には、自然データと合成データに基づいて生成モデルを同時に訓練し、細胞数などの対象変数を確実に推定できる共有表現を学習する。
論文 参考訳（メタデータ） (2020-10-20T08:36:51Z)
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。