論文の概要: Bird-Area Water-Bodies Dataset (BAWD) and Predictive AI Model for Avian
Botulism Outbreak (AVI-BoT)
- arxiv url: http://arxiv.org/abs/2105.00924v1
- Date: Mon, 3 May 2021 15:00:12 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-04 14:09:36.806452
- Title: Bird-Area Water-Bodies Dataset (BAWD) and Predictive AI Model for Avian
Botulism Outbreak (AVI-BoT)
- Title（参考訳）: Bird-Area Water-Bodies Dataset (BAWD) and Predictive AI Model for Avian Botulism Outbreak (AVI-BoT)
- Authors: Narayani Bhatia, Devang Mahesh, Jashandeep Singh, and Manan Suri
- Abstract要約: 細菌であるClostridium botulinumによって引き起こされる鳥のボツリヌス症は、鳥類の麻痺性疾患を引き起こす。
本研究では,グローバル・バードエリア・ウォーターボディーズ・データセットを用いた,初のマルチスペクトル・リモートセンシング画像を構築した。
本稿では,AVI-BoT と呼ばれる鳥類のボツリヌスの発生を予測するためのAIモデルを提案する。
- 参考スコア（独自算出の注目度）: 2.256029843933312
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Avian botulism caused by a bacterium, Clostridium botulinum, causes a
paralytic disease in birds often leading to high fatality, and is usually
diagnosed using molecular techniques. Diagnostic techniques for Avian botulism
include: Mouse Bioassay, ELISA, PCR, all of which are time-consuming, laborious
and require invasive sample collection from affected sites. In this study, we
build a first-ever multi-spectral, remote-sensing imagery based global
Bird-Area Water-bodies Dataset (BAWD) (i.e. fused satellite images of
water-body sites important for avian fauna) backed by on-ground reporting
evidence of outbreaks. In the current version, BAWD covers a total ground area
of 904 sq.km from two open source satellite projects (Sentinel and Landsat).
BAWD consists of 17 topographically diverse global sites spanning across 4
continents, with locations monitored over a time-span of 3 years (2016-2020).
Using BAWD and state-of-the-art deep-learning techniques we propose a
first-ever Artificial Intelligence based (AI) model to predict potential
outbreak of Avian botulism called AVI-BoT (Aerosol, Visible, Infra-red
(NIR/SWIR) and Bands of Thermal). AVI-BoT uses fused multi-spectral satellite
images of water-bodies (10-bands) as input to generate a spatial prediction map
depicting probability of potential Avian botulism outbreaks. We also train and
investigate a simpler (5-band) Causative-Factor model (based on prominent
physiological factors reported in literature as conducive for outbreak) to
predict Avian botulism. Using AVI-BoT, we achieve a training accuracy of 0.94
and validation accuracy of 0.96 on BAWD, far superior in comparison to our
Causative factors model. The proposed technique presents a scale-able,
low-cost, non-invasive methodology for continuous monitoring of bird-habitats
against botulism outbreaks with the potential of saving valuable fauna lives.
- Abstract（参考訳）: 細菌Clostridium botulinumによって引き起こされる鳥のボツリヌス症は、しばしば高い死亡率につながる鳥類の麻痺性疾患を引き起こし、通常は分子技術を用いて診断される。
マウス・バイオアッセイ(英語版)、ELISA、PCR(英語版)、これらは全て時間を費やし、手間がかかり、感染した部位から侵入サンプルを採取する必要がある。
本研究では,グローバルバードエリア水球データセット(bawd)を用いた,初のマルチスペクトル・リモートセンシング画像を構築した。
鳥の動物相にとって重要な水域の画像が融合した衛星画像) 発生の証拠が地上で報告されている
現在のバージョンでは、bawdは2つのオープンソース衛星プロジェクト(sentinelとlandsat)から904 sq.kmの面積をカバーしている。
BAWDは4大陸にまたがる17の地形学的に多様なグローバルな場所で構成され、2016-2020年に3年間にわたって観測された。
BAWDと最先端のディープラーニング技術を用いて、AVI-BoT(Aerosol, Visible, Infra-red (NIR/SWIR)、Bands of Thermal)と呼ばれる鳥のボツリヌスの発生を予測するための、初の人工知能ベース(AI)モデルを提案する。
AVI-BoTは、水体(10バンド)の融合したマルチスペクトル衛星画像を入力として使用し、潜在的な鳥類のボツリヌスの発生確率を示す空間予測マップを生成する。
また,より単純な(5バンド)因果因子モデル(文献で報告されている顕著な生理的要因に基づく)を鳥の動植物学予測のために訓練し,検討した。
avi-botを用いて0.94のトレーニング精度とbawd上で0.96の検証精度を実現する。
提案手法は,有意義な動物相を救える可能性を秘めた,大規模で低コストで非侵襲的な鳥類生息地モニタリング手法を提案する。
関連論文リスト
- Harmful algal bloom forecasting. A comparison between stream and batch
learning [0.7067443325368975]
有害なアルガルブルーム(HAB)は公衆衛生と貝類産業にリスクをもたらす。
本研究では,有毒なジノフラゲレートの細胞数を予測する機械学習ワークフローを開発した。
モデルDoMEは最も効果的で解釈可能な予測器として登場し、他のアルゴリズムよりも優れていた。
論文 参考訳（メタデータ） (2024-02-20T15:01:11Z) - SatBird: Bird Species Distribution Modeling with Remote Sensing and
Citizen Science Data [68.2366021016172]
本稿では,市民科学データベース eBird の観測データから得られたラベルを用いた,米国内の位置情報のサテライトデータセットである SatBird について述べる。
ケニアでは低データのレシエーションを表すデータセットも提供しています。
リモートセンシングタスクのためのSOTAモデルを含む、データセットのベースラインセットをベンチマークします。
論文 参考訳（メタデータ） (2023-11-02T02:00:27Z) - Evaluation of the potential of Near Infrared Hyperspectral Imaging for
monitoring the invasive brown marmorated stink bug [53.682955739083056]
BMSB(Halyomorpha halys)は、数種の作物を害する世界的重要性の害虫である。
本研究は、BMSB検体を検出する技術として、NIR-HSI(Near Infrared Hyperspectral Imaging)を実験室レベルで予備評価する。
論文 参考訳（メタデータ） (2023-01-19T11:37:20Z) - Deep object detection for waterbird monitoring using aerial imagery [56.1262568293658]
本研究では,商用ドローンで収集した空中画像を用いて,水鳥の正確な検出,数え,監視に使用できる深層学習パイプラインを提案する。
畳み込み型ニューラルネットワークを用いた物体検出装置を用いて,テキサス沿岸の植民地性営巣島でよく見られる16種類の水鳥を検出できることを示す。
論文 参考訳（メタデータ） (2022-10-10T17:37:56Z) - Building Brains: Subvolume Recombination for Data Augmentation in Large
Vessel Occlusion Detection [56.67577446132946]
この戦略をデータから学ぶためには、標準的なディープラーニングベースのモデルに対して、大規模なトレーニングデータセットが必要である。
そこで本研究では, 異なる患者から血管木セグメントを組換えることで, 人工的なトレーニングサンプルを生成する方法を提案する。
拡張スキームに則って,タスク固有の入力を入力した3D-DenseNetを用いて,半球間の比較を行う。
論文 参考訳（メタデータ） (2022-05-05T10:31:57Z) - Autonomous Mosquito Habitat Detection Using Satellite Imagery and
Convolutional Neural Networks for Disease Risk Mapping [0.0]
モスキトベクターは毎年100万人以上の死者を出す病気の感染で知られている。
ドローン、UAV、その他の空中撮像技術といった現代のアプローチは、実装にコストがかかり、より精密な空間スケールでのみ正確である。
提案した畳み込みニューラルネットワーク(CNN)アプローチは、疾病リスクマッピングや、よりグローバルなスケールでの予防的取り組みのガイドに応用することができる。
論文 参考訳（メタデータ） (2022-03-09T00:54:59Z) - A Multi-Stage model based on YOLOv3 for defect detection in PV panels
based on IR and Visible Imaging by Unmanned Aerial Vehicle [65.99880594435643]
本研究では,無人航空機が捉えた空中画像のパネル欠陥を検出するための新しいモデルを提案する。
このモデルは、パネルと欠陥の検出を組み合わせることで、精度を向上する。
提案モデルはイタリア南部の2つの大きなPVプラントで検証されている。
論文 参考訳（メタデータ） (2021-11-23T08:04:32Z) - Modeling the geospatial evolution of COVID-19 using spatio-temporal
convolutional sequence-to-sequence neural networks [48.7576911714538]
ポルトガルは世界最大の発生率を持つ国であり、人口10万人当たりの14日間の発生率が1000を超える。
その重要性にもかかわらず、covid-19の地理空間的進化の正確な予測は依然として課題である。
論文 参考訳（メタデータ） (2021-05-06T15:24:00Z) - STOPPAGE: Spatio-temporal Data Driven Cloud-Fog-Edge Computing Framework
for Pandemic Monitoring and Management [28.205715426050105]
行政政策の改善とパンデミック対策のための準備を強化するための分析枠組みを開発することは絶対的に必要である。
本稿では,STOPと呼ばれる時空間知識マイニングフレームワークを提案し,時間スケールの異なる大規模地域における人間の移動性や文脈情報の影響をモデル化する。
i)fog/edgeベースのアーキテクチャを使用したs-temporal data and computing infrastructure、(ii)s-temporal data analyticsモジュールで、異種データソースから知識を効率的に抽出する。
論文 参考訳（メタデータ） (2021-04-04T12:29:31Z) - Detection of Malaria Vector Breeding Habitats using Topographic Models [0.7614628596146599]
本研究では,地球規模で利用可能なDEMデータに基づく実用的な地形モデルを提案する。
ガーナのオプアシ地域を調査し,様々な地形特性が異なる水域に与える影響について検討した。
我々の最良モデルは、小水位検出に地形変数を用いた以前の試みよりも優れていた。
論文 参考訳（メタデータ） (2020-11-27T12:59:55Z) - Ensemble Forecasting of the Zika Space-TimeSpread with Topological Data
Analysis [13.838100337224075]
ジカウイルスは、主にAedes aegyptiとAedes albopictusの蚊に噛まれて伝染する。
その結果、ジカウイルス感染の頻度は、降水量、高温、人口密度の高い地域では一般的である。
累積ベティ数の概念を導入し,その累積ベティ数をトポロジカル記述子として3つの機械学習モデルに統合する。
論文 参考訳（メタデータ） (2020-09-24T16:42:19Z)
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。