文献

J-GLOBAL ID：201902267717484681   整理番号：19A1561659

並列フレームワークを用いた高スループット自動筋肉画像セグメンテーション【JST・京大機械翻訳】

High throughput automatic muscle image segmentation using parallel framework

著者 (4件)： Cui Lei (Department of Information Science and Technology, Northwest University, Xi’an, China) ,  Feng Jun (Department of Information Science and Technology, Northwest University, Xi’an, China) ,  Zhang Zizhao (Department of Computer and Information Science and Engineering, University of Florida, Gainesville, USA) ,  Yang Lin (Department of Information Science and Technology, Northwest University, Xi’an, China)
資料名： BMC Bioinformatics (Web)  (BMC Bioinformatics (Web))
巻： 20  号： 1  ページ： 158  発行年： 2019年 
JST資料番号： U7025A  ISSN： 1471-2105  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： 骨格筋細胞画像の迅速で正確な自動セグメンテーションは,筋肉関連疾患の診断にとって重要であり,それは労働集約的手動アノテーションを極端に減少させる。最近,自動筋細胞セグメンテーションのためのいくつかの方法が提示されている。しかし,ほとんどの方法は高いモデル複雑性と時間コストを示し,それらは全スライド走査試料のような大規模画像に適応できない。本論文では,高速筋細胞セグメンテーションのために,データとモデルの両方を並列に採用する,新しい分散コンピューティングアプローチを提案した。マスター-ワーカー並列性方法によって,マスターにおける画像データは,パーククラウドコンピューティングプラットフォームに基づいて複数の作業者に関して分布した。各作業者ノードにおいて,最初に,高速並列予測を有する構造化ランダムフォレスト(SRF)輪郭検出器を用いてセル輪郭を検出し,スーパーピクセル技術を用いて領域候補を生成した。次に,条件付きランダムフィールド(CRF)アルゴリズムに基づくセル分割のための新しい階層的ツリーベースの領域選択アルゴリズムを提案した。著者らは,領域選択アルゴリズムを複数のサブ問題に分割して,それをマルチコアプログラミングを用いてさらに並列化することができた。著者らは,大規模なヘマトキシリンおよびエオシン(H&E)染色骨格筋画像データセットに関する提案方法の性能をテストした。スタンドアロン実装と比較して,提案した方法は数百から数千のセルを含む非常に大規模な筋肉画像において10倍以上の速度改善を達成した。一方,著者らの提案方法は,いくつかの最先端の方法と比較して高品質セグメンテーション結果を生み出した。本論文は,複数の機械に関するデータとモデル並列性の両方を有する並列筋肉画像セグメンテーション法を提示した。並列戦略は,著者らの筋肉セグメンテーションフレームワークと高い互換性を示した。提案した方法は大規模筋肉画像上で高スループットの効果的な細胞セグメンテーションを達成する。Copyright 2019 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 高速度 ,  アノテーション ,  労働者 ,  スライド ,  アルゴリズム ,  *画像 ,  予測 ,  互換性 ,  走査 ,  *セグメンテーション
準シソーラス用語： ランダムフォレスト ,  クラウドコンピューティング ,  複雑性 ,  自動セグメンテーション ,  *画像セグメンテーション , 【Automatic Indexing@JST】

著者キーワード (3件)： 筋肉画像セグメンテーション ,  クラウドコンピューティング ,  マルチコアプログラミング

分類 (2件)： 生体の顕微鏡観察法  (EA03050C) ,  医用画像処理  (JE04020T)

引用文献 (37件)：

• Nat Med; Inducible depletion of satellite cells in adult, sedentary mice impairs muscle regenerative capacity without affecting sarcopenia; CS Fry, JD Lee, J Mula; 21; 1; 2015; 76; 10.1038/nm.3710; citation_id=CR1
• Am J Pathol; Differential muscle hypertrophy is associated with satellite cell numbers and Akt pathway activation following activin type IIB receptor inhibition in Mtm1 p. R69C mice; MW Lawlor, MG Viola, H Meng; 184; 6; 2014; 1831-42; 10.1016/j.ajpath.2014.03.003; citation_id=CR2
• Mula J, Lee JD, Liu F, et al. Automated image analysis of skeletal muscle fiber cross-sectional area. Am J Physiol Heart Circ Physiol. 2012.
• J Microsc; Automated image segmentation of haematoxylin and eosin stained skeletal muscle cross-sections; F Liu, AL Mackey, R Srikuea; 252; 3; 2013; 275-85; 10.1111/jmi.12090; citation_id=CR4
• Med Image Anal; CHARISMA: An integrated approach to automatic H&E-stained skeletal muscle cell segmentation using supervised learning and novel robust clump splitting; T Janssens, L Antanas, S Derde; 17; 8; 2013; 1206-19; 10.1016/j.media.2013.07.007; citation_id=CR5

タイトルに関連する用語 (4件)： フレームワーク ,  高スループット ,  筋肉 ,  画像セグメンテーション