ディープラーニングによるニワトリ胚組織の正確な病期分類【JST・京大機械翻訳】

Groves, I.; Holmshaw, J.; Furley, D.; Towers, M.; Evans, B. D.; Placzek, M.; Fletcher, A. G.

プレプリント

J-GLOBAL ID：202202207012277170 整理番号：22P0315759

ディープラーニングによるニワトリ胚組織の正確な病期分類【JST・京大機械翻訳】

Accurate staging of chick embryonic tissues via deep learning

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 (7件)： , , , , , ,
資料名：
発行年： 2023年06月07日プレプリントサーバーでの情報更新日： 2023年06月07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)

最近の研究は,初期ニワトリ脳の研究に対する時間分解能の増加の必要性を示した。10時間にわたって,HH10脳変化における前駆細胞の発生可能性と,同時に,脳は形態において微妙な変化を受ける。小さなデータセット(<200画像)からサブステージHH10脳に深い畳み込みニューラルネットワークを訓練できるかどうかを求めた。生物学的インフォームド変換とデータ駆動前処理ステップの組み合わせで著者らの画像を強化することにより,著者らは,サブステージHH10脳を87.1%の試験精度に分類するのに成功した。分類器が一般に適用できるかどうかを決定するために,ランダム化制御と実験ニワトリ翼の画像(<250)を用いてそれを再訓練し,同様に高い試験精度(86.1%)を得た。特異性分析は,生物学的に適切な特徴が分類のために使用されることを明らかにした。本戦略は,限られた顕微鏡データによる発生生物学における様々な応用のための画像分類器の訓練を可能にする。SUMMARY STATEMENTは,画像からニワトリ胚を正確に分類するために一般的に適用可能な深い畳み込みネットワークを訓練する。シーレンシー解析は,分類が生物学的に関連する特徴に基づくことを示した。【JST・京大機械翻訳】

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

医用画像処理 , 図形・画像処理一般

, ,

前のページに戻る