文献

J-GLOBAL ID：201802237658423357   整理番号：18A0161620

深い畳込みニューラルネットワークを用いた電子顕微鏡体積におけるミトコンドリアセグメンテーション【Powered by NICT】

Mitochondria segmentation in electron microscopy volumes using deep convolutional neural network

著者 (5件)： Oztel Ismail (Dept. of Computer Engineering, Sakarya University, Sakarya, Turkey) ,  Yolcu Gozde (Dept. of Computer Engineering, Sakarya University, Sakarya, Turkey) ,  Ersoy Ilker (Dept. of Pathology and Anatomical Sciences, University of Missouri, Columbia, MO, USA) ,  White Tommi (Dept. of Biochemistry, University of Missouri, Columbia, MO, USA) ,  Bunyak Filiz (Dept. of Electrical Engineering and Computer Science, University of Missouri, Columbia, MO, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： BIBM  ページ： 1195-1200  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： ミトコンドリアはエネルギー発生単位として細胞のライフサイクルに重要な役割を果たしていることを細胞小器官である。,電子顕微鏡のような最新の画像診断法は,研究者が高分解能で組織,細胞および細胞内オルガネラを調べることを可能にする。近年,様々な研究は,電子顕微鏡画像におけるミトコンドリアセグメンテーションの問題を取り上げて論じた。ミトコンドリアのマニュアルセグメンテーションは困難であり,自動セグメンテーションを得ることができ,高い精度を持たないかもしれない。本論文では,著者らは,脳組織におけるミトコンドリアの自動セグメンテーションのための深い畳込みニューラルネットワークアプローチ,特にfocusedionビーム走査電子顕微鏡によって画像化されたCA1海馬領域を示した。提案した方法の性能を定量的に評価した。実験によると,深い畳込みニューラルネットワークはミトコンドリアセグメンテーションのための適切な解決策である。結果は,CA1海馬データセット上のミトコンドリアを分割する以前の研究と比較した。提案した深い学習システムを電子顕微鏡画像のセグメンテーションのための有望な結果を示した。Copyright 2018 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： 走査電子顕微鏡 ,  *ミトコンドリア ,  高分解能 ,  *セグメンテーション ,  海馬 ,  ライフサイクル ,  *電子顕微鏡 ,  画像診断 ,  オルガネラ ,  画像処理
準シソーラス用語： 学習支援システム ,  画像化 ,  脳組織 ,  自動セグメンテーション ,  電子顕微鏡画像 ,  *畳込みニューラルネットワーク , 【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 ,  電子顕微鏡 ,  体積 ,  ミトコンドリア ,  セグメンテーション