論文の概要: Learning to Track Cells from Sparse Annotations in 3D Time-Lapse Microscopy
- arxiv url: http://arxiv.org/abs/2611.06624v1
- Date: Wed, 04 Nov 2026 15:09:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-06 03:25:58.146617
- Title: Learning to Track Cells from Sparse Annotations in 3D Time-Lapse Microscopy
- Title(参考訳): 3次元タイムラプス顕微鏡におけるスパースアノテーションからの細胞追跡の学習
- Abstract要約: 本稿では,スパースアノテーションからの検出,候補接続の校正,系統グラフイベントの連成選択を統合したセル追跡パイプラインを提案する。
検出には2.5Dモデルと3Dモデルの出力を組み合わせて,無注釈細胞における誤った背景管理を抑える。
次に、高密度流れからの運動特徴、学習した細胞マッチングモデルからの対応特徴、分割直前の細胞を識別するモデルからの特徴を用いて、通常のリンクと分割確率をキャリブレーションする。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Reconstructing cell lineages from 3D time-lapse microscopy requires distinguishing cell motion from division and inferring temporally consistent connections. When only a subset of cells is annotated, however, training procedures that treat unannotated regions as background or incorrect correspondences can be problematic. We propose a cell tracking pipeline that integrates detection from sparse annotations, calibration of candidate connections using image features, and joint selection of lineage graph events. For detection, we combine the outputs of 2.5D and 3D models trained to suppress erroneous background supervision at unannotated cells. We then calibrate ordinary link and division probabilities using motion features from dense flow, correspondence features from a learned cell-matching model, and features from models that identify cells immediately before division, dividing parents, and daughters immediately after division. Ordinary links, divisions represented as daughter pairs, and node inclusion are selected jointly under a surrogate objective derived from the evaluation metric, followed by gap filling and temporal coordinate refinement. The pipeline achieves an overall score of 0.9762 in 5-fold cross-validation on 199 videos from 2 zebrafish embryos. With candidates and calibrated values held fixed, joint selection outperforms a sequential method that allows replacement of existing divisions and reoptimization of ordinary links by 0.0105. The improvement arises primarily from division recovery.
- Abstract(参考訳): 3次元タイムラプス顕微鏡から細胞系統を再構成するには、細胞の動きを分割と区別し、時間的に一貫した接続を推測する必要がある。
しかし、アノテートされた細胞のサブセットだけがアノテートされている場合、未注釈領域をバックグラウンドまたは誤対応として扱う訓練手順が問題となることがある。
本稿では、スパースアノテーションからの検出、画像特徴を用いた候補接続の校正、系統グラフイベントの連成選択を統合したセルトラッキングパイプラインを提案する。
検出には2.5Dモデルと3Dモデルの出力を組み合わせて,無注釈細胞における誤った背景管理を抑える。
次に,高密度流れからの運動特徴,学習細胞マッチングモデルからの対応特徴,分割直前の細胞識別モデル,分割直後の両親と娘の識別モデルを用いて,通常のリンクと分割確率をキャリブレーションする。
通常リンク、娘ペアとして表される分割、およびノード包摂は、評価基準から導出される代理目的の下で共同で選択され、その後、ギャップフィリングと時間的座標補正が続く。
パイプライン全体のスコアは0.9762で、2つのゼブラフィッシュの胚から199本のビデオで5倍のクロスバリデーションを達成している。
固定された候補と校正値により、結合選択は、既存の分割を置換し、通常のリンクを0.0105で再最適化できるシーケンシャルな方法より優れる。
改善は主に分割回復から生じる。
関連論文リスト
- Towards Scalable Context-Aware Single-Cell Spatial Transcriptomics Prediction from Histology Images [50.824193996370106]
CellOは、画像ごとのフォワードパスを単一の病理基盤モデルで実行するための効率的なエンドツーエンドフレームワークである。
空間バイアスによる局所的形態的コンテキストを用いて各細胞表現を洗練する,距離遅延型クロスアテンションモジュールを提案する。
本研究は,H&E画像からの単一細胞遺伝子発現予測のためのスケーラブルな基盤を確立する。
論文 参考訳(メタデータ) (2026-09-29T00:40:28Z) - Higher-Order Cell Tracking Transformer [1.3356260369011272]
細胞分裂は、ノード埋め込み空間内の異なる系統経路を絡み合わせる。
ノードを共有するエッジは、ほぼランダムなラベル契約を持つ。
本稿では,3次元幾何学的手法を用いて,候補セルリンクが互いに参加するエッジ中心アーキテクチャを提案する。
論文 参考訳(メタデータ) (2026-07-13T16:12:29Z) - Cell as Point: One-Stage Framework for Efficient Cell Tracking [56.98130311648714]
本稿では,セルをポイントとして扱うことで細胞追跡を再現する新しいエンド・ツー・エンドのワンステージフレームワークであるCAPを提案する。
従来の方法とは異なり、CAPは明示的な検出やセグメンテーションの必要性を排除し、代わりに、その軌道間の固有の相関を利用して、1段階の配列の細胞を共同で追跡する。
Capは有望なセルトラッキング性能を示し、既存の方法の8倍から32倍の効率である。
論文 参考訳(メタデータ) (2024-11-22T10:16:35Z) - Deep Temporal Sequence Classification and Mathematical Modeling for Cell Tracking in Dense 3D Microscopy Videos of Bacterial Biofilms [18.563062576080704]
そこで我々はDenseTrackという新しいセル追跡アルゴリズムを提案する。
DenseTrackは、ディープラーニングと数学的モデルベースの戦略を統合して、連続するフレーム間の対応を確立する。
固有分解に基づく細胞分裂検出戦略を提案する。
論文 参考訳(メタデータ) (2024-06-27T23:26:57Z) - Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。
I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
論文 参考訳(メタデータ) (2023-08-31T05:05:53Z) - Seamless Iterative Semi-Supervised Correction of Imperfect Labels in
Microscopy Images [57.42492501915773]
生体内試験は、医療機器の毒性に対する動物実験の代替手段である。
人間の疲労は、深層学習を魅力的なものにするために、エラー作成に重要な役割を果たします。
我々は、不完全ラベルのシームレス反復半監督補正(SISSI)を提案する。
本手法は,物体検出に適応的な早期学習補正技術を提供する。
論文 参考訳(メタデータ) (2022-08-05T18:52:20Z) - Accurate Cell Segmentation in Digital Pathology Images via Attention
Enforced Networks [0.0]
本研究では,グローバルな依存関係と重み付きチャネルを適応的に統合するアテンション強化ネットワーク(AENet)を提案する。
実験段階では, 染色変化問題に対処するために, 個々の色正規化法を提案する。
論文 参考訳(メタデータ) (2020-12-14T03:39:33Z) - Split and Expand: An inference-time improvement for Weakly Supervised
Cell Instance Segmentation [71.50526869670716]
本研究では,分割マップのインスタンスへの変換を改善するために,2段階の後処理手順であるSplitとExpandを提案する。
Splitのステップでは,セルの集合をセグメント化マップから個々のセルインスタンスに分割し,セル中心の予測を導出する。
拡張ステップでは、細胞中心予測を用いて、小さな細胞が欠落していることが分かる。
論文 参考訳(メタデータ) (2020-07-21T14:05:09Z) - Adaptive feature recombination and recalibration for semantic
segmentation with Fully Convolutional Networks [57.64866581615309]
完全畳み込みネットワークを用いたセマンティックセグメンテーションに適応した特徴の組換えと空間適応型再分類ブロックを提案する。
その結果、再結合と再校正は競争ベースラインの結果を改善し、3つの異なる問題にまたがって一般化することを示した。
論文 参考訳(メタデータ) (2020-06-19T15:45:03Z) - Cell Segmentation and Tracking using CNN-Based Distance Predictions and
a Graph-Based Matching Strategy [0.20999222360659608]
顕微鏡画像における触覚細胞のセグメンテーション法を提案する。
距離マップにインスパイアされた新しい細胞境界の表現を用いることで, 触覚細胞だけでなく, 近接細胞をトレーニングプロセスで利用することができる。
この表現は、特にアノテーションエラーに対して堅牢であり、未表現または未含の細胞型を含むトレーニングデータに含まれる顕微鏡画像のセグメンテーションに対して有望な結果を示す。
論文 参考訳(メタデータ) (2020-04-03T11:55:28Z)
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。