文献

J-GLOBAL ID：201802211621373748   整理番号：18A2231654

電子低温サブトモグラムの深層学習に基づく教師付き意味セグメンテーション【JST・京大機械翻訳】

Deep Learning Based Supervised Semantic Segmentation of Electron Cryo-Subtomograms

著者 (7件)： Liu Chang (Electrical and Computer Engineering Department, Carnegie Mellon University, USA) ,  Zeng Xiangrui (Computational Biology Department, Carnegie Mellon University, USA) ,  Lin Ruogu (Department of Automation, Tsinghua University, China) ,  Liang Xiaodan (Machine Learning Department, Carnegie Mellon University, USA) ,  Freyberg Zachary (Departments of Psychiatry and Cell Biology, University of Pittsburgh, USA) ,  Xing Eric (Machine Learning Department, Carnegie Mellon University, USA) ,  Xu Min (Computational Biology Department, Carnegie Mellon University, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICIP  ページ： 1578-1582  発行年： 2018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： 細胞電子低温断層撮影(CECT)は,細胞構造の3D可視化とサブ分子分解能での組織化のための強力なイメージング技術である。それは,単一細胞内の高分子複合体の天然構造とそれらの空間組織を分析することを可能にする。しかし,高い構造複雑性と実用的な画像制限のために,CECT画像内部の系統的な高分子構造回復は困難なままである。特に,マクロ分子の回復は,高分子クラウディングによる隣接構造によりバイアスされる可能性がある。バイアスを低減するために,ここでは,サブトモグラムにおける関心のある高分子の教師つきセグメンテーションのために,完全畳込みネットワークとEncoder-Doecerアーキテクチャにより触発された新しい3D畳込みニューラルネットワークを導入した。現実的にシミュレートされたCECTデータに関する著者らのモデルの試験は,著者らの新しいアプローチが,著者らのベースラインアプローチと比較して,セグメンテーション性能を著しく改善することを実証した。また,提案したモデルが訓練データに存在しない新しい構造をセグメント化する一般化能力を持つことを示した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 分子集合体 ,  トモグラフィー ,  ネットワーク ,  バイアス ,  *低温 ,  計算機アーキテクチャ ,  *セグメンテーション ,  画像 ,  細胞構成体 ,  三次元 ,  分解能 ,  畳込み
準シソーラス用語： 複雑性 ,  単一細胞 ,  *深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 電子 ,  低温 ,  深層学習 ,  教師 ,  意味 ,  セグメンテーション