CASTILLA, Carlos, Martin MAŠKA, Dmitry SOROKIN, Erik MEIJERING a Carlos ORTIZ-DE-SOLORZANO. Segmentation of Actin-Stained 3D Fluorescent Cells with Filopodial Protrusions using Convolutional Neural Networks. In 15th IEEE International Symposium on Biomedical Imaging. Washington: IEEE, 2018. s. 413-417, 5 s. ISBN 978-1-5386-3636-7. doi:10.1109/ISBI.2018.8363605.
Další formáty:   BibTeX LaTeX RIS
Základní údaje
Originální název Segmentation of Actin-Stained 3D Fluorescent Cells with Filopodial Protrusions using Convolutional Neural Networks
Autoři CASTILLA, Carlos (724 Španělsko), Martin MAŠKA (203 Česká republika, garant, domácí), Dmitry SOROKIN (643 Ruská federace, domácí), Erik MEIJERING (528 Nizozemsko) a Carlos ORTIZ-DE-SOLORZANO (724 Španělsko).
Vydání Washington, 15th IEEE International Symposium on Biomedical Imaging, od s. 413-417, 5 s. 2018.
Nakladatel IEEE
Další údaje
Originální jazyk angličtina
Typ výsledku Stať ve sborníku
Obor 10201 Computer sciences, information science, bioinformatics
Stát vydavatele Spojené státy americké
Utajení není předmětem státního či obchodního tajemství
Forma vydání elektronická verze "online"
WWW URL
Kód RIV RIV/00216224:14330/18:00100837
Organizační jednotka Fakulta informatiky
ISBN 978-1-5386-3636-7
ISSN 1945-7928
Doi http://dx.doi.org/10.1109/ISBI.2018.8363605
UT WoS 000455045600094
Klíčová slova anglicky Cell segmentation; Convolutional Neural Networks; Chan-Vese model; Filopodia
Štítky cbia-web, firank_B
Příznaky Mezinárodní význam, Recenzováno
Změnil Změnil: RNDr. Pavel Šmerk, Ph.D., učo 3880. Změněno: 29. 4. 2019 14:54.
Anotace
We present the architecture, training strategy and evaluation of a convolutional neural network (CNN) designed for the segmentation of actin-stained cells in 3D+t confocal microscopy image data. The segmentation performance of the CNN is evaluated using time-lapse sequences of lung adenocarcinoma cells with three genetically distinct variants of the tubulin adaptor protein, a key protein in the process of assembly of the cell cytoskeleton, displaying three different phenotypes in regards to the morphology of the cells and in particular, to the number and length of filopodial structures. We show that the CNN significantly outperforms a baseline method based on the minimization of the Chan-Vese model using graph cuts, and we discuss the inherent benefits of using the CNN over the baseline method.
Návaznosti
GJ16-03909Y, projekt VaVNázev: Vývoj spolehlivých metod pro automatizovanou kvantitativní charakterizaci buněčné motility ve fluorescenční mikroskopii
Investor: Grantová agentura ČR, Juniorské granty
VytisknoutZobrazeno: 24. 2. 2020 18:54