論文の概要: Predicting Semen Motility using three-dimensional Convolutional Neural Networks

• arxiv url: http://arxiv.org/abs/2101.02888v2
• Date: Thu, 14 Jan 2021 05:35:09 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-10 08:41:06.752950
• Title: Predicting Semen Motility using three-dimensional Convolutional Neural Networks
• Title（参考訳）: 3次元畳み込みニューラルネットワークによる精液運動の予測
• Authors: Priyansi, Biswaroop Bhattacharjee, Junaid Rahim
• Abstract要約: 本稿では,3次元畳み込みニューラルネットワークを用いて,精液試料の顕微鏡映像から精子の運動性を予測する深層学習手法を提案する。 私たちのモデルは、深層学習ベースの自動精液分析が受精率とIVFラボで価値があり効果的なツールになることを示しています。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Manual and computer aided methods to perform semen analysis are time-consuming, requires extensive training and prone to human error. The use of classical machine learning and deep learning based methods using videos to perform semen analysis have yielded good results. The state-of-the-art method uses regular convolutional neural networks to perform quality assessments on a video of the provided sample. In this paper we propose an improved deep learning based approach using three-dimensional convolutional neural networks to predict sperm motility from microscopic videos of the semen sample. We make use of the VISEM dataset that consists of video and tabular data of semen samples collected from 85 participants. We were able to achieve good results from significantly less data points. Our models indicate that deep learning based automatic semen analysis may become a valuable and effective tool in fertility and IVF labs.
• Abstract（参考訳）: 精液分析を行うための手動およびコンピュータ支援の手法は時間を要するため、広範囲のトレーニングが必要であり、人的ミスを起こしやすい。 ビデオを用いた古典的機械学習と深層学習を用いた精液分析は良好な結果を得た。 最先端の手法では、通常の畳み込みニューラルネットワークを使用して、提供されたサンプルのビデオの品質評価を行う。 本稿では,三次元畳み込みニューラルネットワークを用いて精液サンプルの微視的映像から精子の運動性を予測する,深層学習に基づくアプローチを提案する。 我々は85名の被験者から収集した精液の映像データと表表データからなるVISEMデータセットを利用する。 はるかに少ないデータポイントから良い結果を得ることができました。 本モデルにより, 深層学習に基づく自動精液分析は, 肥育とIVF実験室において有用かつ効果的なツールとなる可能性が示唆された。

関連論文リスト

• Transfer learning from a sparsely annotated dataset of 3D medical images [4.477071833136902]
  本研究では,医療画像における臓器分割のための深部畳み込みニューラルネットワークの性能向上のための伝達学習の活用について検討する。 ベースセグメンテーションモデルは、大小の注釈付きデータセットに基づいてトレーニングされ、その重みは4つの新しい下流セグメンテーションタスクのトランスファー学習に使用された。 その結果,小規模なデータセットが利用可能になった場合には,ベースモデルからの移動学習が有用であることが示唆された。
  論文  参考訳（メタデータ） (2023-11-08T21:31:02Z)
• VISEM-Tracking, a human spermatozoa tracking dataset [3.1673957150053713]
  湿式精子製剤の30秒間(29,196フレームを含む)のビデオ録画を20回行うVISEM-Trackingというデータセットを提供する。 本研究では,VISEM-Trackingデータセットを用いて学習したYOLOv5ディープラーニング(DL)モデルを用いた精子検出性能について述べる。
  論文  参考訳（メタデータ） (2022-12-06T09:25:52Z)
• BYOLMed3D: Self-Supervised Representation Learning of Medical Videos using Gradient Accumulation Assisted 3D BYOL Framework [0.0]
  教師付き学習アルゴリズムは、堅牢な表現を学習するために、大量のバランスのとれたデータを必要とする。 自己教師付き学習アルゴリズムはデータの不均衡に対して堅牢であり、堅牢な表現を学習することができる。 我々は、勾配累積法を用いて3D BYOL自己教師モデルを構築し、通常、自己教師アルゴリズムで必要とされるバッチ内の多数のサンプルを扱う。
  論文  参考訳（メタデータ） (2022-07-31T14:48:06Z)
• A Machine Learning Framework for Automatic Prediction of Human Semen Motility [7.167550590287388]
  いくつかの回帰モデルは、与えられたサンプルにおいて進行性、非進行性、不動性精子の比率(0から100)を自動的に予測するように訓練されている。 線形サポートベクトル回帰器(SVR)、多層パーセプトロン(MLP)、畳み込みニューラルネットワーク(CNN)、リカレントニューラルネットワーク(RNN)を含む4つの機械学習モデル。 Crocker-Grierアルゴリズムを用いて精子を教師なしの方法で追跡することにより、運動性を予測するための最良の結果が得られる。
  論文  参考訳（メタデータ） (2021-09-16T15:26:40Z)
• Learning to Segment Human Body Parts with Synthetically Trained Deep Convolutional Networks [58.0240970093372]
  本稿では,合成データのみを用いて学習した深部畳み込みニューラルネットワークに基づく人体部分分割のための新しい枠組みを提案する。 提案手法は,人体部品の実際の注釈付きデータを用いてモデルを訓練することなく,最先端の結果が得られる。
  論文  参考訳（メタデータ） (2021-02-02T12:26:50Z)
• Semantic Video Segmentation for Intracytoplasmic Sperm Injection Procedures [7.813460653362095]
  本研究では,細胞内精子注入法(ICSI)を解析するための深層学習モデルを提案する。 我々はディープニューラルネットワークをトレーニングし、0.962の平均IoUを達成するビデオのキーオブジェクトをセグメント化し、1つのGPU上で平均3.793ピクセルの画素誤差を14FPSで達成するニードル先端をローカライズする。
  論文  参考訳（メタデータ） (2021-01-04T19:33:12Z)
• Towards an Automatic Analysis of CHO-K1 Suspension Growth in Microfluidic Single-cell Cultivation [63.94623495501023]
  我々は、人間の力で抽象化されたニューラルネットワークをデータレベルで注入できる新しい機械学習アーキテクチャを提案する。 具体的には、自然データと合成データに基づいて生成モデルを同時に訓練し、細胞数などの対象変数を確実に推定できる共有表現を学習する。
  論文  参考訳（メタデータ） (2020-10-20T08:36:51Z)
• Deep Semi-supervised Knowledge Distillation for Overlapping Cervical Cell Instance Segmentation [54.49894381464853]
  本稿では, ラベル付きデータとラベルなしデータの両方を, 知識蒸留による精度向上に活用することを提案する。 摂動に敏感なサンプルマイニングを用いたマスク誘導型平均教師フレームワークを提案する。 実験の結果,ラベル付きデータのみから学習した教師付き手法と比較して,提案手法は性能を著しく向上することがわかった。
  論文  参考訳（メタデータ） (2020-07-21T13:27:09Z)
• Omni-supervised Facial Expression Recognition via Distilled Data [120.11782405714234]
  ネットワークトレーニングにおいて,信頼度の高いサンプルを多量のラベルのないデータで活用するためのオムニ教師付き学習を提案する。 我々は,新しいデータセットが学習したFERモデルの能力を大幅に向上させることができることを実験的に検証した。 そこで本研究では,生成したデータセットを複数のクラスワイド画像に圧縮するために,データセット蒸留戦略を適用することを提案する。
  論文  参考訳（メタデータ） (2020-05-18T09:36:51Z)
• Self-Supervised Human Depth Estimation from Monocular Videos [99.39414134919117]
  人間の深度を推定する従来の方法は、しばしば地上の真実の深度データを用いた教師あり訓練を必要とする。 本稿では,YouTubeビデオの奥行きを知ることなく,自己指導型手法を提案する。 実験により,本手法はより一般化され,野生のデータに対してより優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2020-05-07T09:45:11Z)
• Confident Coreset for Active Learning in Medical Image Analysis [57.436224561482966]
  本稿では,情報的サンプルを効果的に選択するための,不確実性と分散性を考慮した新しい能動的学習手法である信頼コアセットを提案する。 2つの医用画像解析タスクの比較実験により,本手法が他の活動的学習方法より優れていることを示す。
  論文  参考訳（メタデータ） (2020-04-05T13:46:16Z)

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。