論文の概要: A State-of-the-art Survey of Object Detection Techniques in Microorganism Image Analysis: from Traditional Image Processing and Classical Machine Learning to Current Deep Convolutional Neural Networks and Potential Visual Transformers

• arxiv url: http://arxiv.org/abs/2105.03148v1
• Date: Fri, 7 May 2021 10:18:17 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-10 18:02:56.567411
• Title: A State-of-the-art Survey of Object Detection Techniques in Microorganism Image Analysis: from Traditional Image Processing and Classical Machine Learning to Current Deep Convolutional Neural Networks and Potential Visual Transformers
• Title（参考訳）: 微生物画像解析における物体検出技術の現状:従来の画像処理と古典的機械学習から現在の深部畳み込みニューラルネットワークと潜在的な視覚変換器まで
• Authors: Chen Li, Pingli Ma, Md Mamunur Rahaman, Yudong Yao, Jiawei Zhang, Shuojia Zou, Xin Zhao, Marcin Grzegorzek
• Abstract要約: 微生物は人間の生活に重要な役割を果たします。 そのため、微生物検出は人間にとって非常に重要である。 従来の微視的検出法では, 長い検出サイクル, 低い検出精度, 稀な微生物の検出が困難である。 コンピュータ画像解析は微生物の高精度・高効率検出を実現することができる。
• 参考スコア（独自算出の注目度）: 19.612485200561455
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Microorganisms play a vital role in human life. Therefore, microorganism detection is of great significance to human beings. However, the traditional manual microscopic detection methods have the disadvantages of long detection cycle, low detection accuracy in large orders, and great difficulty in detecting uncommon microorganisms. Therefore, it is meaningful to apply computer image analysis technology to the field of microorganism detection. Computer image analysis can realize high-precision and high-efficiency detection of microorganisms. In this review, first,we analyse the existing microorganism detection methods in chronological order, from traditional image processing and traditional machine learning to deep learning methods. Then, we analyze and summarize these existing methods and introduce some potential methods, including visual transformers. In the end, the future development direction and challenges of microorganism detection are discussed. In general, we have summarized 137 related technical papers from 1985 to the present. This review will help researchers have a more comprehensive understanding of the development process, research status, and future trends in the field of microorganism detection and provide a reference for researchers in other fields.
• Abstract（参考訳）: 微生物は人間の生活において重要な役割を果たす。 そのため、微生物検出は人間にとって非常に重要である。 しかし, 従来の手作業による顕微鏡的検出法では, 長い検出サイクル, 低い検出精度, 稀な微生物の検出が困難である。 したがって、微生物検出の分野にコンピュータ画像解析技術を適用することは有意義である。 コンピュータ画像解析は微生物の高精度・高効率検出を実現することができる。 本稿では,まず,従来の画像処理や機械学習から深層学習まで,既存の微生物検出手法を時系列で分析する。 次に,これらの既存手法を解析・要約し,視覚トランスフォーマーを含む潜在的な手法を紹介する。 最後に,微生物検出の今後の発展方向と課題について論じる。 概して、1985年から現在までの137件の関連技術論文を要約している。 このレビューは、研究者が微生物検出の分野における開発プロセス、研究状況、今後のトレンドをより包括的に理解し、他の分野の研究者への参照を提供するのに役立つだろう。

関連論文リスト

• Style transfer between Microscopy and Magnetic Resonance Imaging via Generative Adversarial Network in small sample size settings [49.84018914962972]
  磁気共鳴イメージング(MRI)のクロスモーダル増強と、同じ組織サンプルに基づく顕微鏡イメージングが期待できる。 コンディショナル・ジェネレーティブ・逆境ネットワーク (cGAN) アーキテクチャを用いて, コーパス・カロサムのMRI画像から顕微鏡組織像を生成する方法を検討した。
  論文  参考訳（メタデータ） (2023-10-16T13:58:53Z)
• Application of the YOLOv5 Model for the Detection of Microobjects in the Marine Environment [101.18253437732933]
  海洋環境における微小物体の自動検出と認識の問題を解決するためのYOLOV5機械学習モデルの有効性について検討した。
  論文  参考訳（メタデータ） (2022-11-28T10:58:50Z)
• Deep Learning and Computer Vision Techniques for Microcirculation Analysis: A Review [0.688204255655161]
  微小循環画像の解析は、敗血症のような生命を脅かす病気の早期の兆候を明らかにする可能性がある。 微小循環画像における毛細血管密度と毛細血管分布の定量化は、重篤な患者を支援する生物学的マーカーとして用いられる。 様々な性能のコンピュータビジョン技術を用いて、これらの微小循環画像の解析を自動化することができる。
  論文  参考訳（メタデータ） (2022-05-11T13:34:01Z)
• A Comprehensive Survey with Quantitative Comparison of Image Analysis Methods for Microorganism Biovolume Measurements [26.935836204724257]
  微生物は工業生産、バイオテクノロジー、食品安全試験においてますます重要な役割を担っている。 従来の手動測定手法は時間を要するものであり、その特性を正確に測定することは困難である。 デジタル画像処理技術の発展により、微生物集団の特性を検出し定量化することができる。
  論文  参考訳（メタデータ） (2022-02-18T04:58:04Z)
• Video-based Facial Micro-Expression Analysis: A Survey of Datasets, Features and Algorithms [52.58031087639394]
  マイクロ表現は不随意かつ過渡的な表情である。 嘘検出や犯罪検出など、幅広い応用において重要な情報を提供することができる。 マイクロ表現は過渡的で低強度であるため、検出と認識は困難であり、専門家の経験に大きく依存する。
  論文  参考訳（メタデータ） (2022-01-30T05:14:13Z)
• Unsupervised deep learning techniques for powdery mildew recognition based on multispectral imaging [63.62764375279861]
  本稿では,キュウリ葉の粉状ミドウを自動的に認識する深層学習手法を提案する。 マルチスペクトルイメージングデータに適用した教師なし深層学習技術に焦点をあてる。 本稿では, オートエンコーダアーキテクチャを用いて, 疾患検出のための2つの手法を提案する。
  論文  参考訳（メタデータ） (2021-12-20T13:29:13Z)
• Deep neural networks approach to microbial colony detection -- a comparative analysis [52.77024349608834]
  本稿では,AGARデータセットを用いた3つの深層学習手法の性能について検討する。 得られた結果は将来の実験のベンチマークとして機能するかもしれない。
  論文  参考訳（メタデータ） (2021-08-23T12:06:00Z)
• Applications of Artificial Neural Networks in Microorganism Image Analysis: A Comprehensive Review from Conventional Multilayer Perceptron to Popular Convolutional Neural Network and Potential Visual Transformer [10.951982445015085]
  微生物は、環境汚染の制御、病気の予防と治療、食品と医薬品の生産において重要な役割を担っている。 同定、カウント、検出は、異なる微生物をフル活用するための基本的なステップである。 これらの制限を克服するために、微生物画像解析に人工ニューラルネットワークを適用する。
  論文  参考訳（メタデータ） (2021-08-01T03:46:48Z)
• 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)
• GraphKKE: Graph Kernel Koopman Embedding for Human Microbiome Analysis [0.2752817022620644]
  時間進化グラフの埋め込みを学習する手法を提案する。 提案手法は,生成した合成データと実世界のデータの両方において,時間進化グラフの一時的な変化を捉えることができることを示す。
  論文  参考訳（メタデータ） (2020-08-12T10:57:02Z)
• Non-invasive quantitative imaging of selective microstructure-sizes with magnetic resonance [0.0]
  本稿では,2つの測定値のみを必要とする手法と,その原理実証実験を用いて,選択的な微細構造サイズの画像を生成する手法について報告する。 我々は、一般的に用いられる崩壊率ではなく、磁化「デカイシフト」を利用するスピンエチョ配列のマイクロ構造サイズのフィルタを設計する。
  論文  参考訳（メタデータ） (2020-06-03T04:15:38Z)

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。