論文の概要: Deep learning approach to describe and classify fungi microscopic images
- arxiv url: http://arxiv.org/abs/2005.11772v1
- Date: Sun, 24 May 2020 15:15:07 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-29 13:31:38.646456
- Title: Deep learning approach to describe and classify fungi microscopic images
- Title（参考訳）: 深層学習による菌類顕微鏡画像の記述と分類
- Authors: Bartosz Zieli\'nski and Agnieszka Sroka-Oleksiak and Dawid Rymarczyk
and Adam Piekarczyk and Monika Brzychczy-W{\l}och
- Abstract要約: 深層ニューラルネットワークとFisher Vectorに基づく機械学習手法を用いて,各種菌類の顕微鏡画像の分類を行う。
本手法は, 生化学的同定の最終段階を冗長化し, 同定過程を2～3日短縮し, 診断コストを削減できる可能性がある。
- 参考スコア（独自算出の注目度）: 4.759323753598067
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Preliminary diagnosis of fungal infections can rely on microscopic
examination. However, in many cases, it does not allow unambiguous
identification of the species by microbiologist due to their visual similarity.
Therefore, it is usually necessary to use additional biochemical tests. That
involves additional costs and extends the identification process up to 10 days.
Such a delay in the implementation of targeted therapy may be grave in
consequence as the mortality rate for immunosuppressed patients is high. In
this paper, we apply a machine learning approach based on deep neural networks
and Fisher Vector (advanced bag-of-words method) to classify microscopic images
of various fungi species. Our approach has the potential to make the last stage
of biochemical identification redundant, shortening the identification process
by 2-3 days, and reducing the cost of the diagnosis.
- Abstract（参考訳）: 真菌感染症の予備診断は顕微鏡検査に依存することがある。
しかし、多くの場合、視覚的類似性のため、微生物学者による不明瞭な種識別を許さない。
そのため、通常は追加の生化学検査が必要である。
これには追加費用と識別プロセスの最大10日間の延長が含まれる。
このような標的治療の実施の遅れは、免疫抑制患者の死亡率が高いため、結果として重大となる可能性がある。
本稿では,深層ニューラルネットワークとフィッシャーベクター(advanced bag-of-words method)に基づく機械学習手法を用いて,様々な真菌種の顕微鏡像を分類する。
本手法は, 生化学的同定の最終段階を冗長にし, 識別過程を2～3日短縮し, 診断コストを低減できる可能性がある。
関連論文リスト
- PhenDiff: Revealing Subtle Phenotypes with Diffusion Models in Real Images [0.7329200485567825]
PhenDiffは、実際の画像をある状態から別の状態に翻訳することで、細胞性表現型の変化を特定する。
薬物治療の低濃度の場合など,表現型の変化が見えない場合や見えない場合において,この手法を質的,定量的に検証する。
論文 参考訳（メタデータ） (2023-12-13T17:06:33Z) - Multi-task Explainable Skin Lesion Classification [54.76511683427566]
少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。
提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
論文 参考訳（メタデータ） (2023-10-11T05:49:47Z) - Semi-Automatic Labeling and Semantic Segmentation of Gram-Stained
Microscopic Images from DIBaS Dataset [2.0225826789157404]
深層学習モデルは、細菌種のセグメンテーションと分類を達成するために訓練される。
ディープラーニングモデルは、バイオメディカル画像処理に多大な応用を見出す。
論文 参考訳（メタデータ） (2022-08-23T05:18:19Z) - Texture Characterization of Histopathologic Images Using Ecological
Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。
2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
論文 参考訳（メタデータ） (2022-02-27T02:19:09Z) - Unsupervised deep learning techniques for powdery mildew recognition
based on multispectral imaging [63.62764375279861]
本稿では,キュウリ葉の粉状ミドウを自動的に認識する深層学習手法を提案する。
マルチスペクトルイメージングデータに適用した教師なし深層学習技術に焦点をあてる。
本稿では, オートエンコーダアーキテクチャを用いて, 疾患検出のための2つの手法を提案する。
論文 参考訳（メタデータ） (2021-12-20T13:29:13Z) - Assessing glaucoma in retinal fundus photographs using Deep Feature
Consistent Variational Autoencoders [63.391402501241195]
緑内障は症状が重くなるまで無症状のままでいるため、検出が困難である。
緑内障の早期診断は機能的,構造的,臨床的評価に基づいて行われることが多い。
ディープラーニング手法はこのジレンマを、マーカー識別段階をバイパスし、ハイレベルな情報を分析してデータを分類することで部分的に解決している。
論文 参考訳（メタデータ） (2021-10-04T16:06:49Z) - MIIDL: a Python package for microbial biomarkers identification powered
by interpretable deep learning [5.749346757892117]
我々は,解釈可能な深層学習に基づく微生物バイオマーカーの同定のためのPythonパッケージMIIDLを提案する。
MIIDLは、畳み込みニューラルネットワーク、様々な解釈可能性アルゴリズム、および多くの事前処理手法を革新的に応用し、高次元およびスパースデータセットから微生物バイオマーカーを識別するためのワンストップで堅牢なパイプラインを提供する。
論文 参考訳（メタデータ） (2021-09-24T21:30:10Z) - Exploring Genetic-histologic Relationships in Breast Cancer [28.91314299138311]
この研究は、深層学習を用いて乳癌の病理組織像からゲノムバイオマーカーを予測する。
全タスクで0.02の最小改善と最大0.13のAUROCスコアで既存の作業より優れています。
論文 参考訳（メタデータ） (2021-03-15T00:53:47Z) - A Dataset and Benchmark for Malaria Life-Cycle Classification in Thin
Blood Smear Images [7.113350536579545]
マラリア顕微鏡、寄生虫Plasmodiumを検出するステンド血液スライドの顕微鏡検査は、マラリアを検出するための金標準であると考えられています。
本研究では,染色フィルム写真中のプラスモジウム寄生虫を自動的に検出(局在化)する深層学習に基づく手法を提案する。
機械学習に基づくマラリア顕微鏡の研究を容易にするために,新しい大規模顕微鏡画像マラリアデータセットを提案する。
論文 参考訳（メタデータ） (2021-02-17T11:44:52Z) - Spectral-Spatial Recurrent-Convolutional Networks for In-Vivo
Hyperspectral Tumor Type Classification [49.32653090178743]
ハイパースペクトル画像とディープラーニングを用いたin-vivo腫瘍型分類の可能性を示した。
我々の最良のモデルは76.3%のAUCを達成し、従来の学習手法とディープラーニング手法を著しく上回っている。
論文 参考訳（メタデータ） (2020-07-02T12:00:53Z) - Automatic image-based identification and biomass estimation of
invertebrates [70.08255822611812]
時間を要する分類と分類は、どれだけの昆虫を処理できるかに強い制限を課す。
我々は、人間の専門家による分類と識別の標準的な手動アプローチを、自動画像ベース技術に置き換えることを提案する。
分類タスクには最先端のResnet-50とInceptionV3 CNNを使用する。
論文 参考訳（メタデータ） (2020-02-05T21:38:57Z)
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。