Jove
Visualize
お問い合わせ
JoVE
x logofacebook logolinkedin logoyoutube logo
JoVEについて
概要リーダーシップブログJoVEヘルプセンター
著者向け
出版プロセス編集委員会範囲と方針査読よくある質問投稿
図書館員向け
推薦の声購読アクセスリソース図書館諮問委員会よくある質問
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experimentsアーカイブ
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教員リソースセンター教員サイト
利用規約
プライバシーポリシー
ポリシー

関連する概念動画

Depth Perception and Spatial Vision01:15

Depth Perception and Spatial Vision

900
Depth perception is the ability to perceive objects three-dimensionally. It relies on two types of cues: binocular and monocular. Binocular cues depend on the combination of images from both eyes and how the eyes work together. Since the eyes are in slightly different positions, each eye captures a slightly different image. This disparity between images, known as binocular disparity, helps the brain interpret depth. When the brain compares these images, it determines the distance to an object.
900

こちらも読む

関連記事

共著者、ジャーナル、引用グラフによってこの研究に関連する記事。

並び替え
Same author

Exploring exotic spin-dependent interactions beyond the Standard Model: theoretical foundations and experimental investigations.

Reports on progress in physics. Physical Society (Great Britain)·2026
Same author

MDFAT: Interactive mask decoupling and frequency-adaptive transformer for multi-focus image fusion.

Neural networks : the official journal of the International Neural Network Society·2026
Same author

SynReEM: Synapse Reconstruction via Instance Structure Encoding in Anisotropic Electron Microscopic Volumes.

IEEE transactions on medical imaging·2026
Same author

Recent progress in the effects and mechanisms of non-thermal technologies on alleviating food allergy.

Food chemistry·2026
Same author

Vacuum-fluctuation-mediated phonon heat transfer in a coupled optomechanical system.

Optics letters·2026
Same author

Assessment of burn mass casualty management response to a fire explosion in China.

Burns : journal of the International Society for Burn Injuries·2026

関連する実験動画

Updated: Sep 10, 2025

Three-dimensional Quantification of Dendritic Spines from Pyramidal Neurons Derived from Human Induced Pluripotent Stem Cells
10:18

Three-dimensional Quantification of Dendritic Spines from Pyramidal Neurons Derived from Human Induced Pluripotent Stem Cells

Published on: October 10, 2015

11.7K

3Dニューロンセグメンテーションのための空間的な文脈的ヒント

Haiyang Yan, Yanchao Zhang, Zhenchen Li

    IEEE transactions on medical imaging
    |August 25, 2025
    PubMed
    まとめ

    Glancing Beyond Patch Network (GBP-Net) は,グローバルな文脈とローカルな詳細を統合することにより,顕微鏡での3Dニューロンセグメンテーションを改善します. この方法は神経科学の研究における ニューロン再構築の精度と 計算効率を高めます

    さらに関連する動画

    Localizing Protein in 3D Neural Stem Cell Culture: a Hybrid Visualization Methodology
    21:47

    Localizing Protein in 3D Neural Stem Cell Culture: a Hybrid Visualization Methodology

    Published on: December 19, 2010

    12.8K
    A Method for 3D Reconstruction and Virtual Reality Analysis of Glial and Neuronal Cells
    12:49

    A Method for 3D Reconstruction and Virtual Reality Analysis of Glial and Neuronal Cells

    Published on: September 28, 2019

    12.9K

    関連する実験動画

    Last Updated: Sep 10, 2025

    Three-dimensional Quantification of Dendritic Spines from Pyramidal Neurons Derived from Human Induced Pluripotent Stem Cells
    10:18

    Three-dimensional Quantification of Dendritic Spines from Pyramidal Neurons Derived from Human Induced Pluripotent Stem Cells

    Published on: October 10, 2015

    11.7K
    Localizing Protein in 3D Neural Stem Cell Culture: a Hybrid Visualization Methodology
    21:47

    Localizing Protein in 3D Neural Stem Cell Culture: a Hybrid Visualization Methodology

    Published on: December 19, 2010

    12.8K
    A Method for 3D Reconstruction and Virtual Reality Analysis of Glial and Neuronal Cells
    12:49

    A Method for 3D Reconstruction and Virtual Reality Analysis of Glial and Neuronal Cells

    Published on: September 28, 2019

    12.9K

    科学分野:

    • 神経科学
    • コンピュータ生物学
    • 画像分析

    背景:

    • 3D光顕微鏡で精密なニューロン分割は 神経科学にとって極めて重要です
    • 現在のパッチベースの方法は,グローバルニューロン形態学と闘い,セグメンテーションの不連続につながります.
    • ニューロンの構造の再構築は 断片化されたセグメントによって妨げられます

    研究 の 目的:

    • 正確な3Dニューロンセグメンテーションのための新しいディープラーニングアーキテクチャを開発する.
    • パッチベースの処理の限界に対処するために,グローバルな文脈情報を取り入れます.
    • ニューロンの再構築を改善し 構造と細部を保ちます

    主な方法:

    • 二重のU-Netアーキテクチャ,パッチネットワーク (GBP-Net) を超えたGlancingを提案しました.
    • 2つのU-Netsを使用して,コンテキストと高解像度の情報を統合します.
    • クロススケールコンテキスト・モジュール (CSCM) とクロスアテネション・モジュール (CRFM) をマンバで採用した.
    • 難解なセグメンテーションサンプルに焦点を当てたクロスネットワークの損失関数を導入しました.

    主要な成果:

    • GBP-Netは3つのデータセットで高度なセグメンテーション方法を上回った.
    • 最高のF1スコアを達成し,優れたセグメンテーションの精度を証明しました.
    • ニューロンの構造を保存し 細部を記録しました
    • 既存の方法と比較して計算効率が維持されます.

    結論:

    • GBP-Netは,3Dニューロンセグメンテーションにグローバルコンテキストを効果的に組み込んでいます.
    • 提案されたアーキテクチャは,セグメンテーションの精度とニューロンの再構築を大幅に改善します.
    • GBP-Netは,光顕微鏡におけるニューロンセグメンテーションのための計算的に効率的で正確なソリューションを提供します.