文献

J-GLOBAL ID：201902262205570515   整理番号：19A1381216

空間時間パターンを用いた細胞事象検出と分類のための教師なし2経路ニューラルネットワーク【JST・京大機械翻訳】

Unsupervised Two-Path Neural Network for Cell Event Detection and Classification Using Spatiotemporal Patterns

著者 (5件)： Phan Ha Tran Hong (School of Information Technologies (J12), The University of Sydney, Sydney, NSW, Australia) ,  Kumar Ashnil (School of Information Technologies (J12), The University of Sydney, Sydney, NSW, Australia) ,  Feng David (School of Information Technologies (J12), The University of Sydney, Sydney, NSW, Australia) ,  Fulham Michael (Sydney Medical School, The University of Sydney, Sydney, NSW, Australia) ,  Kim Jinman (School of Information Technologies (J12), The University of Sydney, Sydney, NSW, Australia)
資料名： IEEE Transactions on Medical Imaging  (IEEE Transactions on Medical Imaging)
巻： 38  号： 6  ページ： 1477-1487  発行年： 2019年 
JST資料番号： H0895A  ISSN： 0278-0062  CODEN： ITMID4  資料種別： 逐次刊行物 (A)
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： 細胞ビデオにおける自動事象検出は生物医学における細胞集団の監視に必須である。深い学習法は,細胞プロセスのより識別的な特徴を捉える能力により,細胞イベント検出のための従来のアプローチよりも利点がある。しかし,教師つきの深い学習法は,注釈付きデータの不足により本質的に制限される。教師なしの深い学習方法は,それらが規則的に発生するイベントの視覚的出現と運動を学習できるので,一般的(非セル)ビデオにおいて有望であることを示した。しかしながら,細胞ビデオは,細胞分裂や死のような細胞の出現や運動において急速で不規則な変化を持つことがあり,多くの関心のあるイベントであることが多い。これらの不規則事象を3つの重要な要素で捉えるために,新しい教師なしの2経路入力ニューラルネットワークアーキテクチャを提案した。1)畳込み型の長い短期記憶ユニットを持つ観測対象物の正規時空間パターンを捉えるための視覚符号化経路;2)マックスプール層を持つ不規則事象に関連する情報を抽出するイベント検出経路;3)2つの経路の隠れ状態の統合により,セルイベントを同時に位置決めし分類するために使用されるビデオの包括的表現を提供する。位相差顕微鏡ビデオにおいて密充填幹細胞の細胞分裂を検出するネットワークを評価した。著者らの教師なし方法は,標準的で最先端の教師つき方法に対して,より高いか同等の精度を達成した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： 死 ,  畳込み ,  録画装置 ,  視覚 ,  細胞分裂 ,  幹細胞 ,  アノテーション ,  学習 ,  記憶装置 ,  *ネットワーク ,  高速度 ,  *ニューラルネットワーク
準シソーラス用語： ニューラルネットワークアーキテクチャ ,  生物医学 ,  *イベント検出 , 【Automatic Indexing@JST】

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (6件)： 細胞 ,  事象検出 ,  分類 ,  教師 ,  経路 ,  ニューラルネットワーク