文献

J-GLOBAL ID：201802230928103394   整理番号：18A1933829

最大強度投影顕微鏡容積上の畳込みニューラルネットワークを用いた自動樹状突起棘検出【JST・京大機械翻訳】

Automated dendritic spine detection using convolutional neural networks on maximum intensity projected microscopic volumes

著者 (6件)： Xiao Xuerong (Department of Electrical Engineering, Stanford University, David Packard Building, 350 Serra Mall, Stanford, CA 94305, USA) ,  Djurisic Maja (Departments of Biology and Neurobiology, and Bio-X, Stanford University, James H. Clark Center, 318 Campus Dr, Stanford, CA 94305, USA) ,  Hoogi Assaf (Department of Biomedical Data Science, Stanford University, Medical School Office Building, 1265 Welch Rd, Stanford, CA 94305, USA) ,  Sapp Richard W. (Departments of Biology and Neurobiology, and Bio-X, Stanford University, James H. Clark Center, 318 Campus Dr, Stanford, CA 94305, USA) ,  Shatz Carla J. (Departments of Biology and Neurobiology, and Bio-X, Stanford University, James H. Clark Center, 318 Campus Dr, Stanford, CA 94305, USA) ,  Rubin Daniel L. (Department of Biomedical Data Science, Stanford University, Medical School Office Building, 1265 Welch Rd, Stanford, CA 94305, USA)
資料名： Journal of Neuroscience Methods  (Journal of Neuroscience Methods)
巻： 309  ページ： 25-34  発行年： 2018年 
JST資料番号： A1129A  ISSN： 0165-0270  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 樹状突起棘は脳における興奮性シナプスの構造的相関である。それらの密度と構造は経験によって形成され,記憶符号化におけるそれらの役割を指摘する。樹状突起棘画像,続いて手動解析は,棘を研究するための主要な方法である。しかしながら,自動化および非バイアス法における樹状突起棘画像を分析するアプローチは,正常な経験により,また疾患においてどのように変化が変化するかを完全に把握するために必要である。完全畳込みニューラルネットワーク(FCN)に基づくアプローチを提案し,共焦点蛍光顕微鏡写真から二次元最大強度投影画像における樹状突起を検出した。部分的に縞状のコンボリューションと効率的なサブピクセル畳込みの両方について実験した。樹状突起から遠い樹状突起は,偽陽性を減少させるために軸の抽出によって剪定される。提案した方法の性能を,予測された脊椎位置を専門家により手動でマークされたものと比較することにより評価した。予測と人手で注釈されたスパインの間の平均距離は,2つの異なる専門家に基づく2.81±2.63ピクセル(0.082±0.076ミクロン)と2.87±2.33ピクセル(0.084±0.068ミクロン)である。FCNベースの検出は,エキスパートアノテーションの両セットに対して,Fスコア>0.80を達成した。著者らの方法は,2つの良く知られたソフトウェア,NeuronStudioとNeurolucidum(p値<0.02)よりも有意に優れている。本研究で使用したFCNアーキテクチャは,自動化樹状突起脊椎検出を可能にした。優れた結果は,小さな訓練データセットでも可能である。提案した方法は,より大きなスケールで他のデータセットに一般化できる。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 二次元 ,  アノテーション ,  画像 ,  画素 ,  *樹状突起 ,  脊柱 ,  *畳込み ,  バイアス ,  *顕微鏡 ,  ソフトウェア ,  自動化 ,  計算機アーキテクチャ ,  動的解析
準シソーラス用語： *樹状突起棘 ,  *ピーク強度 , 【Automatic Indexing@JST】

著者キーワード (3件)： 樹状突起棘検出 ,  深層学習 ,  畳み込みニューラルネットワーク

分類 (1件)： 中枢神経系  (EJ12030F)

タイトルに関連する用語 (6件)： 最大強度 ,  投影 ,  顕微鏡 ,  容積 ,  畳込みニューラルネットワーク ,  樹状突起棘