論文の概要: CryoTracer: A Synthetic-to-Real System for Filament Instance Tracing in Cryo-EM

• arxiv url: http://arxiv.org/abs/2610.18696v1
• Date: Tue, 13 Oct 2026 16:46:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-16 20:07:49.731632
• Title: CryoTracer: A Synthetic-to-Real System for Filament Instance Tracing in Cryo-EM
• Title（参考訳）: CryoTracer: Cryo-EMにおけるフィラメント・インスタンス追跡のための合成-レアルシステム
• Abstract要約: CryoTracerは、手続き的マイクログラフ生成、トランスフォーマーベースのポリリン予測、検体固有の微調整による制限に対処する合成から現実のフレームワークである。 我々はCryoTracerが既存の粒子検出手法よりもインスタンスレベルのフィラメント回復を改善することを示す。
• 参考スコア（独自算出の注目度）: 0.09772267314090433
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Particle picking in cryo-electron microscopy is commonly formulated as an object-detection problem in which individual particles are represented by bounding boxes, a natural representation for globular particles but a poor match for filaments that can extend across an entire micrograph. Existing methods reconstruct filament trajectories by linking local predictions in a separate post-processing stage, decoupling detection from instance formation and creating potential ambiguities at gaps and crossings. Directly preserving filament identity is particularly useful for polymorphic specimens, where segments originating from the same filament should remain associated. However, learning such instance-level representations is challenging because expert centerline annotations are scarce and costly to obtain. We introduce CryoTracer, a synthetic-to-real framework that addresses this limitation through procedural micrograph generation, transformer-based polyline prediction, and specimen-specific fine-tuning. Procedural pretraining exposes the model to diverse filament geometries, intersections, and imaging conditions before adaptation using a limited number of fully annotated experimental micrographs. CryoTracer represents filaments as ordered centerline polylines and optimizes their geometry using an orientation-invariant discrete Fréchet objective, enabling consistent learning regardless of tracing direction. Evaluation on established and newly expert-annotated datasets shows that CryoTracer improves instance-level filament recovery over existing particle-detection approaches. These results establish end-to-end polyline prediction as a practical alternative to detection-and-linking pipelines for recovering complete filament instances with limited micrograph annotation budgets. Code and data are available at https://github.com/cryotracer/cryotracer
• Abstract（参考訳）: 低温電子顕微鏡における粒子の抽出は、個々の粒子が束縛箱(球状粒子の自然な表現であるが、マイクログラフ全体に広がるフィラメントの整合性に乏しい)で表される物体検出問題として一般的に定式化されている。 既存の方法では、別の処理段階における局所的な予測をリンクすることでフィラメント軌道を再構築し、インスタンスの生成から分離し、ギャップや交差で潜在的な曖昧さを発生させる。 フィラメントのアイデンティティを直接保存することは、同じフィラメント由来のセグメントを関連づけるべき多形標本に特に有用である。 しかし、このようなインスタンスレベルの表現を学ぶことは、専門家中心のアノテーションが不足し、入手するのにコストがかかるため、難しい。 CryoTracerは、プロシージャマイクログラフ生成、トランスフォーマーベースのポリリン予測、検体固有の微調整を通じて、この制限に対処する合成から現実のフレームワークである。 手続き的事前訓練は、限られた数の完全注釈実験マイクログラフを使用して適応する前に、様々なフィラメント測地、交差点、撮像条件にモデルを公開する。 CryoTracerは、フィラメントを順序づけられた中心的なポリラインとして表現し、方向不変の離散フレシェ目的を用いて幾何学を最適化し、トレース方向に関係なく一貫した学習を可能にする。 CryoTracerは、既存の粒子検出アプローチよりも、インスタンスレベルのフィラメントリカバリを改善している。 これらの結果は、マイクログラフアノテーションの予算が限られている完全フィラメントインスタンスを回復するための検出・リンクパイプラインの実用的な代替手段として、エンドツーエンドのポリライン予測を確立した。 コードとデータはhttps://github.com/cryotracer/cryotracerで公開されている。

関連論文リスト

• Need We Teach Foundation Models What is a Generative Image? Gradient-Free Generative Artifact Detection via Analytic Spectral Adaptation [3.881211374324378]
  勾配ベースの更新による生成成果物の検出に基礎モデルを適用することで、本質的な表現が損なわれる。 本稿では,二分分類から外分布(OOD)異常測定問題への検出を緩和する勾配のない手法を提案する。
  論文  参考訳（メタデータ） (2026-06-03T13:04:23Z)
• MTCurv: Deep learning for direct microtubule curvature mapping in noisy fluorescence microscopy images [0.29165586612027233]
  MTCurvは、ノイズのある顕微鏡画像からの微小管曲率マップの直接的、セグメンタオンフリー回帰のためのディープラーニングフレームワークである。 MTCurvは背景蛍光の存在下でも局所微小管曲率を正確に回復する。
  論文  参考訳（メタデータ） (2026-04-29T10:32:50Z)
• SIGMA: Scalable Spectral Insights for LLM Collapse [51.863164847253366]
  SIGMA(Spectral Inequalities for Gram Matrix Analysis)は,モデル崩壊のための統一的なフレームワークである。 行列のスペクトル上の決定論的境界を導出するベンチマークを利用することで、SIGMAは表現空間の収縮を追跡するために数学的に基底化された計量を提供する。 我々は、SIGMAが状態への遷移を効果的に捉え、崩壊のメカニズムに関する理論的知見の両方を提供することを示した。
  論文  参考訳（メタデータ） (2026-01-06T19:47:11Z)
• CryoSplat: Gaussian Splatting for Cryo-EM Homogeneous Reconstruction [48.45613121595709]
  低温電子顕微鏡(cryo-EM)は、分子構造をほぼ原子の分解能で決定するのに役立つ。 単一粒子Cryo-EMにおける中心的な計算課題は、未知の方向で取得されたノイズの多い2Dプロジェクションから分子の3次元静電ポテンシャルを再構築することである。 本稿では,GMMをベースとしたCryoSplatを提案し,Gaussian splattingとCryo-EM画像形成の物理を統合する。
  論文  参考訳（メタデータ） (2025-08-06T23:24:43Z)
• CRISP: A Framework for Cryo-EM Image Segmentation and Processing with Conditional Random Field [0.0]
  本稿では,Cryo-EMデータから高品質なセグメンテーションマップを自動生成するパイプラインを提案する。 我々のモジュラーフレームワークは、様々なセグメンテーションモデルと損失関数の選択を可能にする。 限られたマイクログラフでトレーニングすると、合成データ上で90%以上の精度、リコール、精度、インターセクション・オーバー・ユニオン(IoU)、F1スコアを達成することができる。
  論文  参考訳（メタデータ） (2025-02-12T10:44:45Z)
• DispFormer: A Pretrained Transformer Incorporating Physical Constraints for Dispersion Curve Inversion [56.64622091009756]
  本研究では、レイリー波位相と群分散曲線からプロファイルインバージョンを$v_s$とするトランスフォーマーベースのニューラルネットワークであるDispFormerを紹介する。 DispFormerは各期間に分散データを個別に処理し、ネットワークの変更やデータセットのトレーニングとテストの厳格な調整を必要とせずに、さまざまな長さを処理できる。
  論文  参考訳（メタデータ） (2025-01-08T09:08:24Z)
• Curve Your Attention: Mixed-Curvature Transformers for Graph Representation Learning [77.1421343649344]
  本稿では,一定曲率空間の積を完全に操作するトランスフォーマーの一般化を提案する。 また、非ユークリッド注意に対するカーネル化されたアプローチを提供し、ノード数とエッジ数に線形に時間とメモリコストでモデルを実行できるようにします。
  論文  参考訳（メタデータ） (2023-09-08T02:44:37Z)
• Self-Supervised Training with Autoencoders for Visual Anomaly Detection [61.62861063776813]
  我々は, 正規サンプルの分布を低次元多様体で支持する異常検出において, 特定のユースケースに焦点を当てた。 我々は、訓練中に識別情報を活用する自己指導型学習体制に適応するが、通常の例のサブ多様体に焦点をあてる。 製造領域における視覚異常検出のための挑戦的なベンチマークであるMVTec ADデータセットで、最先端の新たな結果を達成する。
  論文  参考訳（メタデータ） (2022-06-23T14:16:30Z)
• Equivariant Spherical Deconvolution: Learning Sparse Orientation Distribution Functions from Spherical Data [0.0]
  本稿では,単位球面上で定義される非負スカラー場のスパースデコンボリューションのための回転等価非監視学習フレームワークを提案する。 人体のマルチシェルデータセットにおけるトラクトグラフィーと部分体積推定の改善について述べる。
  論文  参考訳（メタデータ） (2021-02-17T16:04:35Z)
• Peak Detection On Data Independent Acquisition Mass Spectrometry Data With Semisupervised Convolutional Transformers [0.0]
  質量分析法(LC-MS)に結合した液体クロマトグラフィーは、プロテオームの高スループットで定量的な測定に一般的に用いられている。 本稿では,このピーク検出問題を多変量時系列分割問題として定式化し,トランスフォーマーアーキテクチャに基づく新しいアプローチを提案する。 ここでは、畳み込みニューラルネットワーク(CNN)を用いて、グローバルビューで長距離依存関係をキャプチャ可能なトランスフォーマーを拡大する。 我々は,このモデルを,多チャンネル時系列データに対する技術半教師付き画像分類手法の状況に適応させることで,半教師付き方式でさらに訓練する。
  論文  参考訳（メタデータ） (2020-10-26T18:55:27Z)

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。