ArtSeg:明視野細胞顕微鏡画像における迅速なアーチファクトセグメンテーションと除去【JST・京大機械翻訳】

Ali, M. A. S.; Hollo, K.; Laasfled, T.; Torp, J.; Tahk, M.-J.; Rinken, A.; Palo, K.; Parts, L.; Fishman, D.

プレプリント

J-GLOBAL ID：202202202635886524 整理番号：22P0313201

ArtSeg:明視野細胞顕微鏡画像における迅速なアーチファクトセグメンテーションと除去【JST・京大機械翻訳】

ArtSeg: Rapid Artifact Segmentation and Removal in Brightfield Cell Microscopy Images

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (9件)： , , , , , , , ,
資料名：
発行年： 2022年01月24日プレプリントサーバーでの情報更新日： 2022年01月24日
JST資料番号： O7001B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

明視野セル顕微鏡はライフサイエンスにおける基礎ツールである。取得した画像は,下流解析を妨げる視覚アーチファクトを含む傾向があり,従って,それらを自動的に除去することは,大きな実用的関心事である。深い畳み込みニューラルネットワークは,画像セグメンテーションのための最先端技術であるが,画素レベルアノテーションを必要とし,それは,生産に時間がかかる。ここでは,限られたユーザ入力を持つ明視野画像におけるアーチファクト領域を分割するパイプラインであるスコアCAM-U-Netを提案した。モデルは画像レベルラベルのみを用いて訓練されるので,そのプロセスはピクセルレベルアノテーションに比べて桁の大きさが速いが,セグメンテーション性能を実質的に犠牲にしない。アーチファクトは3つの異なる明視野顕微鏡画像データセットにおいて異なる形状およびサイズで実存し,核セグメンテーション,形態計測および蛍光強度定量化のような下流分析を歪めることを確認した。次に,自動アーチファクト除去がこの問題を改善することを実証した。深層学習モデルのパワーを用いた取得画像のそのような迅速な洗浄は,すべての大規模顕微鏡実験のための標準ステップになると思われる。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , , , 【Automatic Indexing@JST】

医用画像処理

, , , ,

前のページに戻る