지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2020.8
- 수록면
- 965 - 976 (12page)
이용수
초록· 키워드
오류제보하기
We present in this work a segmentation method of E. coli bacterial images generated via phase contrast microscopy using a deep learning based hybrid feature generation. Unlike conventional machine learning methods that use the hand-crafted features, we adopt the denoising autoencoder in order to generate a precise and accurate representation of the pixels. We first construct a hybrid vector that combines original image, difference of Gaussians and image gradients. The created hybrid features are then given to a deep autoencoder that learns the pixels’ internal dependencies and the cells’ shape and boundary information. The latent representations learned by the autoencoder are used as the inputs of a softmax classification layer and the direct outputs from the classifier represent the coarse segmentation mask. Finally, the classifier’s outputs are used as prior information for a graph partitioning based fine segmentation. We demonstrate that the proposed hybrid vector representation manages to preserve the global shape and boundary information of the cells, allowing to retrieve the majority of the cellular patterns without the need of any post-processing.
목차
ABSTRACT
1. 서론
2. 제안 방법
3. 실험결과 및 고찰
4. 결론
REFERENCES
참고문헌 (15)
참고문헌 신청
Q. Wang, J. Niemi, C.M. Tan, L. You, and M. West, “Image Segmentation and Dynamic Lineage Analysis in Single-cell Fluorescence Microscopy,” Cytometry Part A, Vol. 77, No. 1, pp. 101-110, 2010.
J.W. Young, J.C.W. Locke, A. Altinok, N. Rosenfeld, T. Bacarian, et al., “Measuring Single- Cell Gene Expression Dynamics in Bacteria using Fluorescence Time-Lapse Microscopy,” Nature Protocols, Vol. 7, No. 1, pp. 80-88, 2012.
D.R. Martin, C.C. Fowlkes, and J. Malik, “Learning to Detect Natural Image Boundaries using Local Brightness, Color, and Texture Cues,” IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 26, No. 5, pp. 530-549, 2004.
O.H. Kwon, M.G. Song, H.J. Song, and K.R. Kwon, “Layer Segmentation of Retinal OCT Images using Deep Convolutional Encoder- Decoder Network,” J ournal of Korea Multimedia Society, Vol. 22, No. 11, pp. 1269-1279, 2019.
I. Belevich, M. Joensuu, D. Kumar, H. Vihinen, and E. Jokitalo, “Microscopy Image Browser: A Platform for Segmentation and Analysis of Multidimensional Datasets,” PLoS Biology, Vol. 14, No. 1, e1002340, 2016.
J.W. Young, J.C.W. Locke, A. Altinok, N. Rosenfeld, T. Bacarian, et al., “Measuring Single- Cell Gene Expression Dynamics in Bacteria using Fluorescence Time-Lapse Microscopy,” Nature Protocols, Vol. 7, No. 1, pp. 80-88, 2012.
D.R. Martin, C.C. Fowlkes, and J. Malik, “Learning to Detect Natural Image Boundaries using Local Brightness, Color, and Texture Cues,” IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 26, No. 5, pp. 530-549, 2004.
O.H. Kwon, M.G. Song, H.J. Song, and K.R. Kwon, “Layer Segmentation of Retinal OCT Images using Deep Convolutional Encoder- Decoder Network,” J ournal of Korea Multimedia Society, Vol. 22, No. 11, pp. 1269-1279, 2019.
I. Belevich, M. Joensuu, D. Kumar, H. Vihinen, and E. Jokitalo, “Microscopy Image Browser: A Platform for Segmentation and Analysis of Multidimensional Datasets,” PLoS Biology, Vol. 14, No. 1, e1002340, 2016.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
디노이징 오토인코더와 그래프 컷을 이용한 딥러닝 기반 바이오-셀 영상 분할
멀티미디어학회논문지
2021 .10
-
Pyramidal Deep Neur al Networks for the Accurate Segmentation and Counting of Cells in Microscopy Data
멀티미디어학회논문지
2019 .03
-
Convolutional Autoencoder with Hybrid Learning
대한산업공학회 추계학술대회 논문집
2016 .11
-
Finding the best suited autoencoder for reducing model complexity
스마트미디어저널
2021 .09
-
딥러닝 기반 세포 영상 분할
대한전자공학회 학술대회
2020 .11
-
의료 영상 분할을 위한 딥러닝 방법 간의 성능 평가
대한전자공학회 학술대회
2021 .06
-
Recommendation system using Deep Autoencoder for Tensor data
한국컴퓨터정보학회논문지
2019 .08
-
딥러닝에서 Sparse Autoencoder를 이용한 데이터 feature representation 방법과 문제점 및 개선방안
대한전자공학회 학술대회
2018 .06
-
Autoencoder-Based binary mask segmentation for Masked Faces
한국통신학회 학술대회논문집
2023 .06
-
Temporal Difference-based Weighted Instance Segmentation Applied on Consecutive Images for Food Recognition
제어로봇시스템학회 논문지
2023 .12
-
도시 환경 영상의 Segmentation 성능 향상을 위한 딥러닝 기반 멀티모달 영상 융합 모듈
제어로봇시스템학회 국내학술대회 논문집
2022 .06
-
2D 시맨틱 분할 프로젝션을 이용한 3D 실내 공간 시맨틱 분할
제어로봇시스템학회 논문지
2020 .11
-
Development of HCS Image Algorithm for Cell Segmentation
한국정밀공학회 학술발표대회 논문집
2015 .05
-
Pixel Shift를 이용한 딥러닝 기반 영상 분할의 성능 개선 방법
대한전자공학회 학술대회
2021 .06
-
Autoencoder for Low-Complexity CSI Reconstruction in Cellular Network
한국통신학회 학술대회논문집
2019 .01
-
딥 러닝 기반의 팬옵틱 분할 기법 분석
대한임베디드공학회논문지
2021 .10
-
주행 이미지의 왜곡에 따른 Semantic segmentation 변화
제어로봇시스템학회 국내학술대회 논문집
2020 .07
-
딥러닝 영상 분할의 정확도 향상을 위한 처리방법 연구
한국정보통신학회 종합학술대회 논문집
2021 .05
-
딥러닝기반 Image Segmentation 모델을 이용한 포장표면 균열 검출 방법 연구
대한전자공학회 학술대회
2022 .06
-
Adaptive Image Segmentation Based on Histogram Transition Zone Analysis
INTERNATIONAL JOURNAL of FUZZY LOGIC and INTELLIGENT SYSTEMS
2016 .12
이 논문의 저자 정보
이 논문과 함께 이용한 논문
광 산란 패턴의 발산 각도 분포를 이용한 비표지 박테리아 분별 기법에 관한 연구
한진실
,
이용욱
조명·전기설비학회논문지
2020
.09
쓰레기종량제정책과 PAYT정책의 비교분석 연구 : 한국과 미국의 GAGC Method 개발사례를 중심으로
김정훈
한국정책과학학회보
2007
.06
정형외과 및 치과 영역에서 3D 프린팅의 임상응용
윤택림
대한치과재료학회 학술대회
2020
.10
디지털 치의학과 치과용 디지털 장비에 대한 치과 분야 종사자들의 인식 조사
김재훈
,
이현종
,
고승만
외 1명
대한치과의사협회지
2021
.04
치과 임플란트 표면의 과거, 현재, 그리고 미래
김영택
대한치과의사협회지
2021
.03
최근 본 자료
댓글(0)
0