Open Source Infrastructure for Automatic Cell Segmentation

要約

自動化された細胞セグメンテーションは、さまざまな生物学的および医療用途にとって重要であり、細胞計数、形態解析、創薬などのタスクを容易にします。
ただし、手動によるセグメンテーションは時間がかかり、主観が入りやすいため、堅牢な自動化手法が必要です。
このペーパーでは、画像セグメンテーション タスクでの有効性で知られる深層学習アーキテクチャである UNet モデルを利用したオープンソース インフラストラクチャについて説明します。
この実装はオープンソース DeepChem パッケージに統合されており、研究者や実務者にとってのアクセシビリティと使いやすさが向上しています。
結果として得られるツールは、便利でユーザーフレンドリーなインターフェイスを提供し、高精度を維持しながら細胞セグメンテーションの参入障壁を軽減します。
さらに、このモデルをさまざまなデータセットに対してベンチマークし、さまざまなイメージング条件や細胞タイプにわたるその堅牢性と汎用性を実証します。

要約(オリジナル)

Automated cell segmentation is crucial for various biological and medical applications, facilitating tasks like cell counting, morphology analysis, and drug discovery. However, manual segmentation is time-consuming and prone to subjectivity, necessitating robust automated methods. This paper presents open-source infrastructure, utilizing the UNet model, a deep-learning architecture noted for its effectiveness in image segmentation tasks. This implementation is integrated into the open-source DeepChem package, enhancing accessibility and usability for researchers and practitioners. The resulting tool offers a convenient and user-friendly interface, reducing the barrier to entry for cell segmentation while maintaining high accuracy. Additionally, we benchmark this model against various datasets, demonstrating its robustness and versatility across different imaging conditions and cell types.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google