論文の概要: A Mask R-CNN approach to counting bacterial colony forming units in pharmaceutical development

• arxiv url: http://arxiv.org/abs/2103.05337v1
• Date: Tue, 9 Mar 2021 10:31:00 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-10 15:02:45.220649
• Title: A Mask R-CNN approach to counting bacterial colony forming units in pharmaceutical development
• Title（参考訳）: Mask R-CNNによる医薬品開発における細菌コロニー形成単位のカウント
• Authors: Tanguy Naets, Maarten Huijsmans, Paul Smyth, Laurent Sorber, Ga\"el de Lannoy
• Abstract要約: 本論文では,Mask R-CNN法を用いた各種細菌コロニー形成ユニットのカウント法について述べる。 ユーザーは料理の画像をアップロードでき、その後、このタスクのために特別に訓練され調整されたMask R-CNNモデルは、BVG+とBVG+のコロニーの数を検出する。 私たちの適応マスクR-CNNモデルは、交差オーバーユニオン(IoU)のしきい値50%で平均平均精度(mAP)94%を達成します。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: We present an application of the well-known Mask R-CNN approach to the counting of different types of bacterial colony forming units that were cultured in Petri dishes. Our model was made available to lab technicians in a modern SPA (Single-Page Application). Users can upload images of dishes, after which the Mask R-CNN model that was trained and tuned specifically for this task detects the number of BVG- and BVG+ colonies and displays these in an interactive interface for the user to verify. Users can then check the model's predictions, correct them if deemed necessary, and finally validate them. Our adapted Mask R-CNN model achieves a mean average precision (mAP) of 94\% at an intersection-over-union (IoU) threshold of 50\%. With these encouraging results, we see opportunities to bring the benefits of improved accuracy and time saved to related problems, such as generalising to other bacteria types and viral foci counting.
• Abstract（参考訳）: ペトリ料理で培養された異なる種類の細菌コロニー形成ユニットのカウントに、よく知られたマスクR-CNNアプローチを適用します。 我々のモデルは、現代のSPA(Single-Page Application)の研究室技術者に提供されました。 ユーザーは料理の画像をアップロードすることができ、その後、このタスクのために特別に訓練および調整されたマスクR-CNNモデルがBVGとBVG+コロニーの数を検出し、ユーザーが検証するためのインタラクティブなインターフェイスで表示します。 ユーザーはモデルの予測を確認し、必要に応じて修正し、最終的に検証することができる。 私たちの適応マスクR-CNNモデルは、50\%の交差オーバーユニオン(IoU)しきい値で94\%の平均平均精度(mAP)を達成します。 これらの奨励的な結果により、他の細菌タイプへの一般化やウイルスの病原体カウントなど、関連する問題に改善された精度と時間の利点をもたらす機会があります。

関連論文リスト

• Steering Masked Discrete Diffusion Models via Discrete Denoising Posterior Prediction [88.65168366064061]
  本稿では,確率論的推論の課題として,事前学習したMDMを操る作業を行う新しいフレームワークであるDDPPを紹介する。 私たちのフレームワークは、3つの新しい目標のファミリーにつながります。 Wet-lab Validation(ウェット・ラブ・バリデーション)を用いて,報酬最適化タンパク質配列の過渡的発現を観察する。
  論文  参考訳（メタデータ） (2024-10-10T17:18:30Z)
• Segmentation of Non-Small Cell Lung Carcinomas: Introducing DRU-Net and Multi-Lens Distortion [0.1935997508026988]
  我々は,ヒト非小細胞肺癌の悪性度を規定するセグメンテーションモデル(DRU-Net)を提案している。 我々は提案したモデルを作成するために2つのデータセット(ノルウェーの肺がんバイオバンクとHaukeland大学肺がんコホート)を使用した。 提案した空間拡張法(マルチレンズ歪み)により,ネットワーク性能は3%向上した。
  論文  参考訳（メタデータ） (2024-06-20T13:14:00Z)
• A Review and Implementation of Object Detection Models and Optimizations for Real-time Medical Mask Detection during the COVID-19 Pandemic [0.0]
  この研究は、Common Objects in Context(COCO)データセット上で最も基本的なオブジェクト検出モデルを評価する。 我々は、医療マスクを用いた人間の顔の話題的、未探索のデータセットをトレーニングするために、YOLOv5と呼ばれる非常に効率的なモデルを選択した。 医療用マスクの正確な検出に移動学習を用いたYOLOv5に基づく最適化モデルを提案する。
  論文  参考訳（メタデータ） (2024-05-28T17:27:24Z)
• Unleashing Mask: Explore the Intrinsic Out-of-Distribution Detection Capability [70.72426887518517]
  Out-of-Distribution(OOD)検出は、機械学習モデルを現実世界のアプリケーションにデプロイする際に、セキュアAIの必須の側面である。 本稿では,IDデータを用いた学習モデルのOOD識別能力を復元する新しい手法であるUnleashing Maskを提案する。 本手法では, マスクを用いて記憶した非定型サンプルを抽出し, モデルを微調整するか, 導入したマスクでプルーする。
  論文  参考訳（メタデータ） (2023-06-06T14:23:34Z)
• Continuous time recurrent neural networks: overview and application to forecasting blood glucose in the intensive care unit [56.801856519460465]
  連続時間自己回帰リカレントニューラルネットワーク(Continuous Time Autoregressive Recurrent Neural Network, CTRNN)は、不規則な観測を考慮に入れたディープラーニングモデルである。 重篤なケア環境下での血糖値の確率予測へのこれらのモデルの適用を実証する。
  論文  参考訳（メタデータ） (2023-04-14T09:39:06Z)
• Masked Autoencoding for Scalable and Generalizable Decision Making [93.84855114717062]
  MaskDPは、強化学習と行動クローンのためのシンプルでスケーラブルな自己教師付き事前学習手法である。 我々は,MaskDPモデルにより,単一ゴールや複数ゴール到達といった新しいBCタスクへのゼロショット転送能力が得られることを発見した。
  論文  参考訳（メタデータ） (2022-11-23T07:04:41Z)
• VAESim: A probabilistic approach for self-supervised prototype discovery [0.23624125155742057]
  条件付き変分オートエンコーダに基づく画像階層化アーキテクチャを提案する。 我々は、連続した潜伏空間を用いて障害の連続を表現し、訓練中にクラスターを見つけ、画像/患者の成層に使用することができる。 本手法は,標準VAEに対して,分類タスクで測定されたkNN精度において,ベースラインよりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-09-25T17:55:31Z)
• Continual Learning with Fully Probabilistic Models [70.3497683558609]
  機械学習の完全確率的(または生成的)モデルに基づく継続的学習のアプローチを提案する。 生成器と分類器の両方に対してガウス混合モデル(GMM)インスタンスを用いた擬似リハーサル手法を提案する。 我々は,GMRが,クラス増分学習問題に対して,非常に競合的な時間とメモリの複雑さで,最先端のパフォーマンスを達成することを示す。
  論文  参考訳（メタデータ） (2021-04-19T12:26:26Z)
• Overcoming Catastrophic Forgetting with Gaussian Mixture Replay [79.0660895390689]
  ガウス混合モデル(GMM)に基づく連続学習(CL)のためのリハーサルベースアプローチを提案する。 過去のタスクからサンプルを生成し,現在のトレーニングデータと統合することで,破滅的忘れ(cf)を緩和する。 複数の画像データセットでGMRを評価し,クラス別サブタスクに分割する。
  論文  参考訳（メタデータ） (2021-04-19T11:41:34Z)
• Deep Learning to Detect Bacterial Colonies for the Production of Vaccines [0.0]
  本研究は, 病原性コロニーと非病原性コロニーの区別を許容精度で行うことが可能であることを示す。 探索には多くの可能性が残されているが,本研究の結果は,細菌コロニーの分離・分類における深層学習の可能性を示している。
  論文  参考訳（メタデータ） (2020-09-02T10:10:43Z)
• Automatic detection and counting of retina cell nuclei using deep learning [5.4052819252055055]
  老化関連黄斑変性症(AMD)のような眼疾患において、網膜細胞やその他の生物学的物体のサイズ、数、品位を自動的に検出し、分類し、計算する能力は重要である 本稿では, 深層学習技術とMask R-CNNモデルに基づく自動ツールを開発し, 透過電子顕微鏡(TEM)画像の大規模なデータセットを分析し, 高速かつ高精度に網膜細胞を定量化する。
  論文  参考訳（メタデータ） (2020-02-10T05:49:10Z)

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。