論文の概要: COMPASS: Comet Object Measurement Pipeline with Automated Selection and Scoring

• arxiv url: http://arxiv.org/abs/2610.04680v1
• Date: Sat, 03 Oct 2026 17:50:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-11 17:50:26.411807
• Title: COMPASS: Comet Object Measurement Pipeline with Automated Selection and Scoring
• Title（参考訳）: CompASS: 自動選択・スコーリングによる彗星物体計測パイプライン
• Abstract要約: 単細胞ゲル電気泳動法(英: single-cell gel electrophoresis、英: single-cell gel electrophoresis)は、個々の細胞レベルでDNA損傷を定量化する手法である。 パイプラインは、堅牢な検出を提供しながら、標準化されたDNA損傷測定を生成する。 インストレーション命令、事前トレーニングされたウェイト、サンプルの使用例がリポジトリに提供されている。
• 参考スコア（独自算出の注目度）: 1.9321633864207095
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Summary: The single-cell gel electrophoresis ('comet') assay is a widely used technique for quantifying DNA damage at the individual cell level. However, image analysis often relies on manual inspection or semi-automated software, which can be labor-intensive, difficult to reproduce, and sensitive to image quality and comet morphology. COMPASS automates comet assay image analysis by combining deep learning-based comet segmentation with damage measurement and automated comet selection. The pipeline produces standardized DNA damage measurements while offering robust detection, reducing manual effort and improving reproducibility through transparent selection and optional manual review. Availability and implementation: COMPASS is implemented in Python and is freely available at https://github.com/ rsinghlab/COMPASS. Installation instructions, pretrained weights, and example usage are provided in the repository. Contact: jack_roberts2@brown.edu, ritsingh@illinois.edu Supplementary information: Available onlime upon publication.
• Abstract（参考訳）: まとめ:単細胞ゲル電気泳動法(英: single-cell gel electrophoresis, 'comet' assay)は、個々の細胞レベルでDNA損傷を定量化する手法として広く用いられている。 しかし、画像解析はしばしば手動検査や半自動ソフトウェアに依存しており、労働集約的で再現が困難であり、画像の品質や彗星の形態に敏感である。 CompASSは、深層学習に基づく彗星のセグメンテーションと損傷測定と自動彗星選択を組み合わせることで、彗星アッセイ画像解析を自動化する。 パイプラインは、堅牢な検出、手作業の削減、透過的な選択による再現性の向上、オプションのマニュアルレビューを提供しながら、標準化されたDNA損傷測定を生成する。 可用性と実装: COMPASSはPythonで実装されており、https://github.com/ rsinghlab/COMPASS.comで無料で利用できる。 インストール命令、事前訓練されたウェイト、サンプルの使用例がリポジトリに提供されている。 連絡先: jack_roberts2@brown.edu, ritsingh@illinois.edu 追加情報:出版時に利用可能。

関連論文リスト

• AI-assisted Human-in-the-Loop Web Platform for Structural Characterization in Hard drive design [0.6055934915901143]
  デバイス特徴化のための可変型ヒューマンAI支援ワークフローフレームワークを提案する。 このシステムは、勾配に基づくピーク検出と対話的な修正モジュールを統合している。 TEM/EMDファイルを直接処理し、ノイズ低減とインタフェース追跡アルゴリズムを適用し、統計粗さと厚さのメトリクスをナノメートル精度で出力する。
  論文  参考訳（メタデータ） (2026-04-01T01:13:09Z)
• EdiVal-Agent: An Object-Centric Framework for Automated, Fine-Grained Evaluation of Multi-Turn Editing [170.71134330650796]
  EdiVal-Agentは、命令ベースの画像編集のためのオブジェクト指向評価フレームワークである。 標準のシングルターンだけでなく、マルチターンの命令ベースの編集を精度良く評価するように設計されている。 EdiVal-Benchは、インコンテキスト、フローマッチング、拡散パラダイムにまたがる9つの命令タイプと13の最先端編集モデルをカバーするベンチマークである。
  論文  参考訳（メタデータ） (2025-09-16T17:45:39Z)
• Crucial-Diff: A Unified Diffusion Model for Crucial Image and Annotation Synthesis in Data-scarce Scenarios [65.97836905826145]
  医療、産業、自動運転といったさまざまなシナリオにおけるデータの不足は、モデルの過度な適合とデータセットの不均衡につながる。 重要なサンプルを合成するドメインに依存しないフレームワークであるCrucial-Diffを提案する。 我々のフレームワークは多様な高品質なトレーニングデータを生成し、ピクセルレベルのAPは83.63%、F1-MAXは78.12%である。
  論文  参考訳（メタデータ） (2025-07-14T04:41:38Z)
• Fluorescence Reference Target Quantitative Analysis Library [0.0]
  QUEL-QALは,ソリッドリファレンスターゲットを用いた蛍光画像の定量的解析の合理化と標準化を目的とした,オープンソースのPythonライブラリである。 QUEL-QALは、応答線形性、検出限界、深度感度、空間分解能といった重要な指標を規制や学術的なガイダンスに従ってサポートする。
  論文  参考訳（メタデータ） (2025-04-22T00:03:55Z)
• SeqMate: A Novel Large Language Model Pipeline for Automating RNA Sequencing [0.0]
  SeqMateは、大規模言語モデル(LLM)のパワーを活用してワンクリック分析を可能にするツールで、データ準備と分析の両方を自動化する。 生成AIの力を利用することで、SeqMateはこれらの発見を分析し、制御/制御/ユーザプロンプトされた遺伝子について書かれたレポートを作成することができる。
  論文  参考訳（メタデータ） (2024-07-02T20:28:30Z)
• Machine Learning Benchmarks for the Classification of Equivalent Circuit Models from Electrochemical Impedance Spectra [0.0]
  本稿では,BatteryDEVハッカソン用にQuantumScapeが提供する9,300のインピーダンススペクトルを分類する機械学習手法を紹介する。 重要な課題はラベルの識別可能性であり、モデル性能と誤分類スペクトルの比較によって下線化されている。
  論文  参考訳（メタデータ） (2023-02-07T10:08:35Z)
• Automatic Extrinsic Calibration Method for LiDAR and Camera Sensor Setups [68.8204255655161]
  本論文では,LiDAR,単眼,ステレオカメラを含む任意のセンサのパラメータを校正する手法を提案する。 提案手法は、通常、車両のセットアップで見られるように、非常に異なる解像度とポーズのデバイスを扱うことができる。
  論文  参考訳（メタデータ） (2021-01-12T12:02:26Z)
• Self-Supervised Person Detection in 2D Range Data using a Calibrated Camera [83.31666463259849]
  2次元LiDARに基づく人検出器のトレーニングラベル(擬似ラベル)を自動生成する手法を提案する。 擬似ラベルで訓練または微調整された自己監視検出器が,手動アノテーションを用いて訓練された検出器を上回っていることを示した。 私達の方法は付加的な分類の努力なしで配置の間に人の探知器を改善する有効な方法です。
  論文  参考訳（メタデータ） (2020-12-16T12:10:04Z)
• Manual-Label Free 3D Detection via An Open-Source Simulator [50.74299948748722]
  我々は、CARLAシミュレータを利用して、大量の自己ラベル付きトレーニングサンプルを生成する手動ラベルフリーな3D検出アルゴリズムを提案する。 ドメイン適応型VoxelNet(DA-VoxelNet)は、合成データから実際のシナリオへの分散ギャップを横断することができる。 実験の結果、提案されたDA 3D検出器は、KITTI評価セット上で76.66%と56.64%のmAPを達成することができた。
  論文  参考訳（メタデータ） (2020-11-16T08:29:01Z)
• Multi-species Seagrass Detection and Classification from Underwater Images [1.2233362977312945]
  本稿では,深層畳み込みニューラルネットワークに基づく海草の多種検出と分類器を提案する。 また,画像パッチを半自動でラベル付けする簡単な手法を導入し,手動ラベリングの要件を最小化する。 この研究で収集したデータセットと、実験を再現するためのコードと事前訓練されたモデルについて、公開してリリースします。
  論文  参考訳（メタデータ） (2020-09-18T07:20:44Z)
• EHSOD: CAM-Guided End-to-end Hybrid-Supervised Object Detection with Cascade Refinement [53.69674636044927]
  本稿では,エンド・ツー・エンドのハイブリッド型オブジェクト検出システムであるEHSODについて述べる。 完全なアノテートと弱いアノテートの両方で、ワンショットでトレーニングすることができる。 完全なアノテートされたデータの30%しか持たない複数のオブジェクト検出ベンチマークで、同等の結果が得られる。
  論文  参考訳（メタデータ） (2020-02-18T08:04:58Z)

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。