論文の概要: ParasNet: Fast Parasites Detection with Neural Networks

• arxiv url: http://arxiv.org/abs/2002.11327v2
• Date: Tue, 24 Mar 2020 04:58:58 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-28 15:36:31.175854
• Title: ParasNet: Fast Parasites Detection with Neural Networks
• Title（参考訳）: ParasNet: ニューラルネットワークによる高速寄生虫検出
• Authors: X.F. Xu, S. Talbot, T. Selvaraja
• Abstract要約: ディープラーニングは、画像分類、オブジェクト検出、音声認識、薬物発見など、多くのアプリケーション領域のパフォーマンスを2012年以来劇的に向上させてきた。 我々の研究は、将来、リアルタイムかつ高精度なラベルフリー細胞レベルCryptosporidiumとGiardia検出システムに繋がる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deep learning has dramatically improved the performance in many application areas such as image classification, object detection, speech recognition, drug discovery and etc since 2012. Where deep learning algorithms promise to discover the intricate hidden information inside the data by leveraging the large dataset, advanced model and computing power. Although deep learning techniques show medical expert level performance in a lot of medical applications, but some of the applications are still not explored or under explored due to the variation of the species. In this work, we studied the bright field based cell level Cryptosporidium and Giardia detection in the drink water with deep learning. Our experimental demonstrates that the new developed deep learning-based algorithm surpassed the handcrafted SVM based algorithm with above 97 percentage in accuracy and 700+fps in speed on embedded Jetson TX2 platform. Our research will lead to real-time and high accuracy label-free cell level Cryptosporidium and Giardia detection system in the future.
• Abstract（参考訳）: ディープラーニングは、画像分類、オブジェクト検出、音声認識、薬物発見など、多くのアプリケーション領域のパフォーマンスを2012年以来劇的に向上させてきた。 ディープラーニングアルゴリズムは、大規模なデータセット、高度なモデル、計算能力を活用することによって、データ内の複雑な隠れ情報を発見することを約束する。 深層学習技術は多くの医学応用において医療専門家のレベルパフォーマンスを示しているが、いくつかの応用はまだ調査されていない。 本研究では,深層学習による飲料水中の細胞レベルのクリプトスポリジウムとジアルジアの検出について検討した。 実験により,新しい深層学習に基づくアルゴリズムが,Jetson TX2プラットフォーム上で97パーセント以上の精度と700fps以上の速度で手作りSVMベースのアルゴリズムを上回ったことが示された。 本研究は,今後,リアルタイムかつ高精度なラベルフリーセルレベルcryptosporidiumおよびgiardia検出システムを実現する。

関連論文リスト

• Local-to-Global Self-Supervised Representation Learning for Diabetic Retinopathy Grading [0.0]
  本研究では,自己指導型学習と知識蒸留を用いた新しいハイブリッド学習モデルを提案する。 我々のアルゴリズムでは、自己教師型学習および知識蒸留モデルの中で初めて、テストデータセットがトレーニングデータセットよりも50%大きい。 類似の最先端モデルと比較すると,より高精度で効率的な表現空間が得られた。
  論文  参考訳（メタデータ） (2024-10-01T15:19:16Z)
• Deep-learning Assisted Detection and Quantification of (oo)cysts of Giardia and Cryptosporidium on Smartphone Microscopy Images [0.7508386479587535]
  我々は,GiardiaとCryptosporidiumの(o)嚢胞を検出する4つの最先端物体検出器の性能を評価した。 深層学習モデルは、その有効性と限界を探求するために用いられた。 以上の結果から, 深層学習モデルでは, 明視野顕微鏡画像データセットの方が精度がよいが, スマートフォンの顕微鏡による予測は, 非専門家の予測性能に匹敵することがわかった。
  論文  参考訳（メタデータ） (2023-04-11T16:58:59Z)
• OpenHLS: High-Level Synthesis for Low-Latency Deep Neural Networks for Experimental Science [0.6571063542099524]
  本稿では,ディープニューラルネットワークの高レベル表現を低レベル表現に変換するための,オープンソースの軽量コンパイラフレームワークを提案する。 我々はOpenHLSがスループット4.8$mu$s/sampleでネットワークの実装を作成できることを示した。
  論文  参考訳（メタデータ） (2023-02-13T23:25:55Z)
• Transfer Learning with Deep Tabular Models [66.67017691983182]
  上流データにより、グラフニューラルネットワークはGBDTモデルよりも決定的な優位性を示す。 そこで本研究では,表在化学習のための現実的な診断ベンチマークを提案する。 上流と下流の特徴セットが異なる場合の擬似特徴法を提案する。
  論文  参考訳（メタデータ） (2022-06-30T14:24:32Z)
• Neurosymbolic hybrid approach to driver collision warning [64.02492460600905]
  自律運転システムには2つの主要なアルゴリズムアプローチがある。 ディープラーニングだけでは、多くの分野で最先端の結果が得られています。 しかし、ディープラーニングモデルが機能しない場合、デバッグが非常に難しい場合もあります。
  論文  参考訳（メタデータ） (2022-03-28T20:29:50Z)
• Exploration of Various Deep Learning Models for Increased Accuracy in Automatic Polyp Detection [62.997667081978825]
  本稿では,大腸内視鏡画像におけるポリプの検出精度が高いディープラーニングモデルとアルゴリズムについて検討する。 畳み込みニューラルネットワーク(CNN)を用いたディープラーニングの研究
  論文  参考訳（メタデータ） (2022-03-04T04:03:41Z)
• COVID-CLNet: COVID-19 Detection with Compressive Deep Learning Approaches [0.0]
  本稿ではCTスキャン画像を用いたコンピュータ支援検出システムを提案する。 この強化されたディープラーニングネットワーク(CLNet)は、ディープラーニング(DL)ネットワークの実装に基づいている。 異なる圧縮方法で行われた実験は、新型コロナウイルス検出の有望な結果を示している。
  論文  参考訳（メタデータ） (2020-12-03T19:56:48Z)
• Deep learning approaches for neural decoding: from CNNs to LSTMs and spikes to fMRI [2.0178765779788495]
  神経信号から直接の行動、知覚、認知状態の復号化は、脳-コンピュータインタフェースの研究に応用されている。 過去10年間で、ディープラーニングは多くの機械学習タスクにおいて最先端の手法になっている。 ディープラーニングは、幅広いタスクにわたるニューラルデコーディングの正確性と柔軟性を改善するための有用なツールであることが示されている。
  論文  参考訳（メタデータ） (2020-05-19T18:10:35Z)
• DeepPurpose: a Deep Learning Library for Drug-Target Interaction Prediction [69.7424023336611]
  DeepPurposeは、DTI予測のための包括的で使いやすいディープラーニングライブラリである。 15の複合およびタンパク質エンコーダと50以上のニューラルアーキテクチャを実装することで、カスタマイズされたDTI予測モデルのトレーニングをサポートする。 複数のベンチマークデータセット上でDeepPurposeの最先端性能を示す。
  論文  参考訳（メタデータ） (2020-04-19T17:31:55Z)
• Deep Learning based Pedestrian Inertial Navigation: Methods, Dataset and On-Device Inference [49.88536971774444]
  慣性測定ユニット(IMU)は小型で安価でエネルギー効率が良く、スマートデバイスや移動ロボットに広く使われている。 正確で信頼性の高い歩行者ナビゲーションをサポートするために慣性データをエクスプロイトすることは、新しいインターネット・オブ・シングス・アプリケーションやサービスにとって重要なコンポーネントである。 我々は、深層学習に基づく慣性ナビゲーション研究のための最初の公開データセットであるOxIOD(OxIOD)を提示、リリースする。
  論文  参考訳（メタデータ） (2020-01-13T04:41:54Z)
• Opportunities and Challenges of Deep Learning Methods for Electrocardiogram Data: A Systematic Review [62.490310870300746]
  心電図(Electrocardiogram、ECG)は、医学および医療において最も一般的に用いられる診断ツールの1つである。 深層学習法は心電図信号を用いた予測医療タスクにおいて有望な結果を得た。 本稿では、モデリングとアプリケーションの観点から、ECGデータに対するディープラーニング手法の体系的なレビューを行う。
  論文  参考訳（メタデータ） (2019-12-28T02:44:29Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。