文献

J-GLOBAL ID：201702229515223371   整理番号：17A1505784

小胞融合イベント分類のための階層的畳込みニューラルネットワーク【Powered by NICT】

A Hierarchical Convolutional Neural Network for vesicle fusion event classification

著者 (4件)： Li Haohan (Department of Computer Science, Missouri University of Science and Technology, Rolla 65409, USA) ,  Mao Yunxiang (Department of Computer Science, Missouri University of Science and Technology, Rolla 65409, USA) ,  Yin Zhaozheng (Department of Computer Science, Missouri University of Science and Technology, Rolla 65409, USA) ,  Xu Yingke (Department of Biomedical Engineering, MOE Key Laboratory of Biomedical Engineering, Zhejiang Provincial Key Laboratory of Cardio-Cerebral Vascular Detection Technology and Medicinal Effectiveness Appraisal, Zhejiang University, Hangzhou 310027, China)
資料名： Computerized Medical Imaging and Graphics  (Computerized Medical Imaging and Graphics)
巻： 60  ページ： 22-34  発行年： 2017年 
JST資料番号： T0220A  ISSN： 0895-6111  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 小胞エキソサイトーシスの定量分析と蛍光顕微鏡からの小胞融合の種々のモードの分類は生物医学研究にとって最も重要である。本論文では,時間経過総内部反射蛍光顕微鏡(TIRFM)画像シーケンスにおける小胞融合事象を自動的に同定するための新しい階層的畳込みニューラルネットワーク(H CNN)法を提案した。最初に,可能性のある核融合事象を含む画像パッチ配列を抽出するために開発した検出と追跡法。,Gauss混合モデル(GMM)はロバストなGaussあてはめのための拒絶された異常値を持つパッチ配列の各画像パッチに適用した。融合過程のいくつかの重要なモーメントに埋め込まれたGMMと外観特徴によって導入された高レベル時系列強度変化特徴を利用することにより,提案したH CNNアーキテクチャである各候補パッチ配列を分類三クラス:完全融合事象,部分融合事象と非融合事象にすることができた。最後に,細胞生物学者によって注釈された九つの挑戦的なデータセット上で提案手法の性能を検証し,三以前の方法と比較した場合,提案手法は優れた性能を達成した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *ニューラルネットワーク ,  計算機アーキテクチャ ,  画像 ,  エキソサイトーシス ,  異常値 ,  細胞生物学 ,  定量分析 ,  モーメント ,  *畳込み ,  ロバスト性 ,  蛍光顕微鏡
準シソーラス用語： Gauss混合モデル ,  画像列 ,  全反射蛍光顕微鏡 ,  *小胞融合 , 【Automatic Indexing@JST】

著者キーワード (3件)： ベシクル融合イベント ,  TIRFM画像 ,  階層的畳込みニューラルネットワーク

分類 (2件)： 医用画像処理  (JE04020T) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 小胞融合 ,  イベント ,  分類 ,  畳込みニューラルネットワーク