文献

J-GLOBAL ID：201702211270182077   整理番号：17A1036652

畳込みニューラルネットワークを用いた高分解能組織学的脳切片における視覚皮質の区画化【Powered by NICT】

Parcellation of visual cortex on high-resolution histological brain sections using convolutional neural networks

著者 (4件)： Spitzer Hannah (Institute of Neuroscience and Medicine (INM-1), Forschungszentrum Juelich, Germany) ,  Amunts Katrin (Institute of Neuroscience and Medicine (INM-1), Forschungszentrum Juelich, Germany) ,  Harmeling Stefan (Institut fuer Informatik, Heinrich-Heine University Duesseldorf, Germany) ,  Dickscheid Timo (Institute of Neuroscience and Medicine (INM-1), Forschungszentrum Juelich, Germany)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ISBI  ページ： 920-923  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 組織切片の顕微鏡分析は,ヒト脳における構造parcellationsを検証するために「黄金標準」であると考えられている。その高分解能は細胞分布の層流と柱状パターン,皮質領域とネットワークのシミュレーションのための重要な基礎を構築するのを可能にした。しかし,そのような細胞構築的遺伝地図作成は,高スループットイメージングに対応しないことを半自動,時間のかかるプロセスである。2μm分解能でparcellating組織切片のための自動アプローチを提案した。高分解能細胞体染色画像から学習したテクスチャ特徴を有する確率的地図から位相情報を組み合わせた畳込みニューラルネットワークに基づいている。モデルは視覚野に適用し,部分的アノテーションのスパース集合上で訓練される。は予測である新しい脳に伝達可能であり,断面を横切る空間的に一貫した方法を示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *分解能 ,  *皮質 ,  地図作成 ,  ヒト ,  *畳込み ,  *ネットワーク ,  *視覚皮質 ,  画像処理 ,  *ニューラルネットワーク ,  画像 ,  細胞構成体 ,  アノテーション ,  *高分解能
準シソーラス用語： ハイスループット ,  組織切片 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (5件)： 畳込みニューラルネットワーク ,  高分解能 ,  組織学 ,  脳切片 ,  視覚皮質