Unsupervised Learning for Feature Extraction and Temporal Alignment of 3D+t Point Clouds of Zebrafish Embryos

要約

ゼブラフィッシュは、生物医学の研究で広く使用されており、胚の発達段階は、さらなる分析のために同期する必要があることがよくあります。
ゼブラフィッシュ胚の3D+Tポイント雲から記述的特徴を抽出し、その後、それらの特徴を使用して、対応する発達段階を一時的に整列させるための監視されていないアプローチを提示します。
ポイントクラウドの記述表現を学習するために自動エンコーダーアーキテクチャが提案されており、その時間的アライメントのために深い回帰ネットワークを設計しました。
5.3時間の実験期間でわずか3.83分の平均不一致で高いアライメント精度を達成します。
完全に不承認のアプローチとして、手動分析とは異なり、メソッドのスケールとは異なり、手動のラベル付け作業は必要ありません。
その上、データの人間の注釈なしのアラインメントは、主観的なバイアスによって引き起こされる影響も回避します。

要約(オリジナル)

Zebrafish are widely used in biomedical research and developmental stages of their embryos often need to be synchronized for further analysis. We present an unsupervised approach to extract descriptive features from 3D+t point clouds of zebrafish embryos and subsequently use those features to temporally align corresponding developmental stages. An autoencoder architecture is proposed to learn a descriptive representation of the point clouds and we designed a deep regression network for their temporal alignment. We achieve a high alignment accuracy with an average mismatch of only 3.83 minutes over an experimental duration of 5.3 hours. As a fully-unsupervised approach, there is no manual labeling effort required and unlike manual analyses the method easily scales. Besides, the alignment without human annotation of the data also avoids any influence caused by subjective bias.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google