論文の概要: Can We Detect Mastitis earlier than Farmers?
- arxiv url: http://arxiv.org/abs/2011.03344v1
- Date: Thu, 5 Nov 2020 14:36:01 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-29 13:01:48.257015
- Title: Can We Detect Mastitis earlier than Farmers?
- Title（参考訳）: 乳房炎は農家より早く検出できるのか?
- Authors: Cathal Ryan, Christophe Gu\'eret, Donagh Berry, Brian Mac Namee
- Abstract要約: 本研究の目的は、通常農家が発見する前に、乳房炎を検出できるためのモデリングフレームワークを構築することである。
SMAとよばれる1つの体細胞計記録において,2つの異なるモデリングフレームワークを構築した。
もう一つの試みは、乳牛がAMAと呼ばれる乳を塗られたときでも、乳房炎のようなサブの臨床的乳房炎(Sub Clinical Mastitis)の感染を検知しようとするものである。
- 参考スコア（独自算出の注目度）: 3.6226307346292494
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The aim of this study was to build a modelling framework that would allow us
to be able to detect mastitis infections before they would normally be found by
farmers through the introduction of machine learning techniques. In the making
of this we created two different modelling framework's, one that works on the
premise of detecting Sub Clinical mastitis infections at one Somatic Cell Count
recording in advance called SMA and the other tries to detect both Sub Clinical
mastitis infections aswell as Clinical mastitis infections at any time the cow
is milked called AMA. We also introduce the idea of two different feature sets
for our study, these represent different characteristics that should be taken
into account when detecting infections, these were the idea of a cow differing
to a farm mean and also trends in the lactation. We reported that the results
for SMA are better than those created by AMA for Sub Clinical infections yet it
has the significant disadvantage of only being able to classify Sub Clinical
infections due to how we recorded Sub Clinical infections as being any time a
Somatic Cell Count measurement went above a certain threshold where as CM could
appear at any stage of lactation. Thus in some cases the lower accuracy values
for AMA might in fact be more beneficial to farmers.
- Abstract（参考訳）: この研究の目的は、機械学習技術の導入によって、通常農家が発見する前に、乳房炎感染を検出することができるようにするためのモデリングフレームワークを構築することである。
その1つは、smaと呼ばれる1つの体細胞数記録に記録されたサブクリニカル乳房炎感染を事前に検出することと、もう1つは、牛がamaと呼ばれる乳房炎菌を搾乳するいつでも、サブクリニカル乳房炎感染と、両方のサブクリニカル乳房炎感染を検知することである。
また,本研究では,2つの異なる特徴セットについて紹介する。これらの特徴は,感染検出時に考慮すべき異なる特徴であり,農場の平均と異なる牛のアイデアであり,授乳の動向でもある。
本報告では,SMA は AMA が産生するサブクリニカル感染症よりも優れており,サブクリニカル感染症の分類に限っては,サブクリニカル感染症を,体細胞数測定が乳化のどの段階でもCM が出現できる一定の閾値を超えた時点で記録できるため,サブクリニカル感染症の分類が困難である。
したがって、AMAの精度の低い値の方が農家にとって有益である場合もある。
関連論文リスト
- Supervised Learning Model for Key Frame Identification from Cow Teat Videos [0.9115927248875568]
本稿では, ウシの乳房炎リスク評価の精度をニューラルネットワークとビデオ解析を用いて改善する手法を提案する。
伝統的に、獣医は乳牛の乳房の健康を評価する。
本論文は、牛のうどんが無傷に見えるビデオのキーフレームをニューラルネットワークで同定する。
論文 参考訳（メタデータ） (2024-09-26T15:50:43Z) - MMIL: A novel algorithm for disease associated cell type discovery [58.044870442206914]
単一細胞データセットは、しばしば個々の細胞ラベルを欠いているため、病気に関連する細胞を特定することは困難である。
セルレベルの分類器の訓練と校正を可能にする予測手法であるMixture Modeling for Multiple Learning Instance (MMIL)を導入する。
論文 参考訳（メタデータ） (2024-06-12T15:22:56Z) - M&M: Tackling False Positives in Mammography with a Multi-view and
Multi-instance Learning Sparse Detector [13.67324365495568]
深層学習に基づく物体検出法は, マンモグラフィーのスクリーニングの改善を約束するが, 偽陽性率が高いと臨床実践における効果を阻害する可能性がある。
自然画像とは異なり,悪性マンモグラフィーは1つの悪性所見のみを含むのが一般的であり,マンモグラフィー検査は各乳房の2つの視点を含むため,どちらの視点も正しく評価されるべきである。
我々は,(1)スパースR-CNNの活用,(2)マンモグラフィの高密度検出器よりもスパース検出器の方が適切であることを示す,(2)異なる視点から情報を合成するための多視点横断モジュールを含む,3つの課題に取り組む。
論文 参考訳（メタデータ） (2023-08-11T23:59:47Z) - Multi-class versus One-class classifier in spontaneous speech analysis
oriented to Alzheimer Disease diagnosis [58.720142291102135]
本研究の目的は,音声信号から抽出した新しいバイオマーカーを用いて自動解析を行うことにより,ADの早期診断と重症度評価の改善に寄与することである。
外付け器とフラクタル次元の機能に関する情報を使用することで、システムの性能が向上する。
論文 参考訳（メタデータ） (2022-03-21T09:57:20Z) - Automatic Estimation of Ulcerative Colitis Severity from Endoscopy
Videos using Ordinal Multi-Instance Learning [50.591267188664666]
潰瘍性大腸炎(Ulcerative colitis, UC)は、大腸の炎症を再発させることを特徴とする慢性炎症性腸疾患である。
UCの重症度は、内視鏡ビデオから粘膜疾患の活性を定量化するMayo Endoscopic Subscore (MES)によって表されることが多い。
本稿では,ビデオMESラベルのみからフレーム重大度を推定する,弱教師付き順序分類手法を提案する。
論文 参考訳（メタデータ） (2021-09-29T19:42:51Z) - WeakSTIL: Weak whole-slide image level stromal tumor infiltrating
lymphocyte scores are all you need [18.810431173767636]
WeakSTILは乳がん組織におけるH&E-stained whole-slide image(WSIs)における間質腫瘍浸潤リンパ球(sTIL%)の割合を評価するための,解釈可能な2段階弱ラベル深層学習パイプラインである。
論文 参考訳（メタデータ） (2021-09-13T11:55:28Z) - Multimodal Breast Lesion Classification Using Cross-Attention Deep
Networks [0.08635315042809139]
ほとんどのコンピュータ支援システムは乳腺病変を分類するためにマンモグラム機能のみに依存している。
本稿では, マンモグラムと分類学的臨床変数を組み合わせるために, 特徴連結, 交差注意, 共同注意に基づく複数のマルチモーダルディープネットワークについて検討する。
論文 参考訳（メタデータ） (2021-08-21T23:01:31Z) - Relational Subsets Knowledge Distillation for Long-tailed Retinal
Diseases Recognition [65.77962788209103]
本研究では,長尾データを知識に基づいて複数のクラスサブセットに分割し,クラスサブセット学習を提案する。
モデルがサブセット固有の知識の学習に集中するように強制する。
提案手法は長期網膜疾患認識タスクに有効であることが判明した。
論文 参考訳（メタデータ） (2021-04-22T13:39:33Z) - Malignancy Prediction and Lesion Identification from Clinical
Dermatological Images [65.1629311281062]
臨床皮膚画像から機械学習に基づく悪性度予測と病変の同定を検討する。
まず, サブタイプや悪性度に関わらず画像に存在するすべての病変を同定し, その悪性度を推定し, 凝集により, 画像レベルの悪性度も生成する。
論文 参考訳（メタデータ） (2021-04-02T20:52:05Z) - Predicting Illness for a Sustainable Dairy Agriculture: Predicting and
Explaining the Onset of Mastitis in Dairy Cows [7.711096463366259]
Mastitisは現代乳製品産業のための10億ドルの健康問題です。
この病気の早期発症を特定するためのAI技術の使用は、この農業セクターの持続可能性に重要な意味を持つ。
現在の乳房炎治療のアプローチには抗生物質が関与しており、この習慣はますます精査されている。
本研究では,牛の乳腺炎感染を予測し,その予測を反事実を用いて説明するシステムを開発した。
論文 参考訳（メタデータ） (2021-01-06T18:48:26Z) - Bilateral Asymmetry Guided Counterfactual Generating Network for
Mammogram Classification [48.4619620405991]
画像レベルのラベルのみによるマンモグラムの良性や悪性の分類は,病変アノテーションが欠如しているため困難である。
画像に病変がなければ, 特徴がどのように振る舞うかという, 反現実的な問題を探ることができる。
我々は、対称的先行性に基づく反事実生成のための新しい理論的結果を得る。
論文 参考訳（メタデータ） (2020-09-30T03:15:30Z)
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。