論文の概要: Intestinal Parasites Classification Using Deep Belief Networks

• arxiv url: http://arxiv.org/abs/2101.06747v1
• Date: Sun, 17 Jan 2021 18:47:02 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-27 23:03:45.068821
• Title: Intestinal Parasites Classification Using Deep Belief Networks
• Title（参考訳）: Deep Belief Networks を用いた腸管寄生虫の分類
• Authors: Mateus Roder, Leandro A. Passos, Luiz Carlos Felix Ribeiro, Barbara Caroline Benato, Alexandre Xavier Falc\~ao, Jo\~ao Paulo Papa
• Abstract要約: 40億ドルの人々が腸内寄生虫に感染している。 人間の視覚検査はまだ臨床診断の大部分を担当している。 腸内寄生虫自動分類の文脈に深層信念ネットワークを導入する。
• 参考スコア（独自算出の注目度）: 53.20999552522241
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Currently, approximately $4$ billion people are infected by intestinal parasites worldwide. Diseases caused by such infections constitute a public health problem in most tropical countries, leading to physical and mental disorders, and even death to children and immunodeficient individuals. Although subjected to high error rates, human visual inspection is still in charge of the vast majority of clinical diagnoses. In the past years, some works addressed intelligent computer-aided intestinal parasites classification, but they usually suffer from misclassification due to similarities between parasites and fecal impurities. In this paper, we introduce Deep Belief Networks to the context of automatic intestinal parasites classification. Experiments conducted over three datasets composed of eggs, larvae, and protozoa provided promising results, even considering unbalanced classes and also fecal impurities.
• Abstract（参考訳）: 現在、世界中で約4億ドルの人々が腸内寄生虫に感染している。 このような感染によって引き起こされる病気は、ほとんどの熱帯諸国で公衆衛生上の問題となり、身体的・精神的な障害を引き起こし、子供や免疫不全の人にも死に至る。 高い誤差率を受けるが、人間の視覚検査は依然として臨床診断の大半を担当している。 過去数年間では、知的コンピュータ支援の腸内寄生虫の分類に対処する研究もあるが、通常、寄生虫と糞便の不純物との類似性により、誤分類に悩まされる。 本稿では,腸内寄生虫の自動分類の文脈において,深い信念ネットワークを導入する。 卵、幼虫、原生動物からなる3つのデータセットで行われた実験は、不均衡なクラスと糞便不純物を考慮しても、有望な結果をもたらした。

関連論文リスト

• Deep learning powered real-time identification of insects using citizen science data [17.13608307250744]
  InsectNetは、侵入した種を識別し、きめ細かい昆虫種を識別し、挑戦的な背景において効果的に働く。 また、不確実な場合には予測を控え、シームレスな人間の介入を助長し、実用的で信頼できるツールにもなれる。
  論文  参考訳（メタデータ） (2023-06-04T23:56:53Z)
• Paddy Leaf diseases identification on Infrared Images based on Convolutional Neural Networks [0.0]
  本稿では、モデルに基づく畳み込みニューラルネットワーク(CNN)を実装し、636個の赤外線画像サンプルからなる公開データセットをテストする。 提案モデルでは5種類の水田病を同定し分類し,88.28%の精度を達成した。
  論文  参考訳（メタデータ） (2022-07-29T18:24:29Z)
• Paddy Doctor: A Visual Image Dataset for Paddy Disease Classification [0.0]
  パディドクター(Paddy Doctor)は、水田病を識別するための画像データセットである。 本データセットは10クラス(9つの疾患と正常な葉)に13,876点の注釈付き水田葉画像を含む。 我々は、畳み込みニューラルネットワーク(CNN)とVGG16とMobileNetの2つの移行学習アプローチを用いて、パディドクターをベンチマークした。
  論文  参考訳（メタデータ） (2022-05-23T07:57:40Z)
• High performing ensemble of convolutional neural networks for insect pest image detection [124.23179560022761]
  害虫の寄生は作物の被害の主な原因であり、世界中の収入を失った。 我々は異なるトポロジに基づいてCNNのアンサンブルを生成する。 ディープネットワーク最適化のための2つの新しいAdamアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-08-28T00:49:11Z)
• Parasitic Egg Detection and Classification in Low-cost Microscopic Images using Transfer Learning [1.6050172226234583]
  高品質な顕微鏡画像における自動寄生虫分類の効率を高めるために, トランスファーラーニング戦略を用いたCNNベースの手法を提案する。 提案するフレームワークは,最先端のオブジェクト認識手法よりも優れている。 本システムと専門家による最終決定が組み合わさって, 低コスト顕微鏡による実地精査を改善できる可能性がある。
  論文  参考訳（メタデータ） (2021-07-02T11:05:45Z)
• 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)
• One-Shot Learning with Triplet Loss for Vegetation Classification Tasks [45.82374977939355]
  三重項損失関数は、ワンショット学習タスクの精度を大幅に向上できる選択肢の1つである。 2015年からは、多くのプロジェクトがシームズネットワークとこの種の損失を顔認識とオブジェクト分類に利用している。
  論文  参考訳（メタデータ） (2020-12-14T10:44:22Z)
• Classification of COVID-19 in CT Scans using Multi-Source Transfer Learning [91.3755431537592]
  我々は,従来のトランスファー学習の改良にマルチソース・トランスファー・ラーニングを応用して,CTスキャンによる新型コロナウイルスの分類を提案する。 マルチソースファインチューニングアプローチでは、ImageNetで微調整されたベースラインモデルよりも優れています。 我々の最高のパフォーマンスモデルは、0.893の精度と0.897のリコールスコアを達成でき、ベースラインのリコールスコアを9.3%上回った。
  論文  参考訳（メタデータ） (2020-09-22T11:53:06Z)
• MOSQUITO-NET: A deep learning based CADx system for malaria diagnosis along with model interpretation using GradCam and class activation maps [9.01199960262149]
  マラリアは世界でも最も致命的な病気の1つで、毎年数千人が死亡している。 マラリアの原因となる寄生虫は、科学的にはプラスモジウムと呼ばれ、ヒトの赤血球に感染する。 マラリアの診断には、顕微鏡的血腫の医療従事者による寄生細胞の同定と手動計測が必要である。
  論文  参考訳（メタデータ） (2020-06-17T13:00:30Z)
• Falling into the Echo Chamber: the Italian Vaccination Debate on Twitter [65.7192861893042]
  われわれは、Twitter上での予防接種に関する議論が、予防接種ヘシタントに対する潜在的な不安にどのように影響するかを調査する。 予防接種懐疑派や擁護派が独自の「エチョ室」に居住していることが判明した。 これらのエコーチャンバーの中心には熱心な支持者がいて、高い精度のネットワークとコンテンツベースの分類器を構築しています。
  論文  参考訳（メタデータ） (2020-03-26T13:55:50Z)

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。