Fugu-MT 論文翻訳(概要): Parasitic Egg Detection and Classification in Low-cost Microscopic Images using Transfer Learning

論文の概要: Parasitic Egg Detection and Classification in Low-cost Microscopic Images using Transfer Learning

arxiv url: http://arxiv.org/abs/2107.00968v1
Date: Fri, 2 Jul 2021 11:05:45 GMT
ステータス: 処理完了
システム内更新日: 2021-07-05 18:58:10.315151
Title: Parasitic Egg Detection and Classification in Low-cost Microscopic Images using Transfer Learning
Title（参考訳）: 移動学習を用いた低コスト顕微鏡画像における寄生卵の検出と分類
Authors: Thanaphon Suwannaphong, Sawaphob Chavana, Sahapol Tongsom, Duangdao Palasuwan, Thanarat H. Chalidabhongse and Nantheera Anantrasirichai
Abstract要約: 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。
参考スコア（独自算出の注目度）: 1.6050172226234583
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Intestinal parasitic infection leads to several morbidities to humans worldwide, especially in tropical countries. The traditional diagnosis usually relies on manual analysis from microscopic images which is prone to human error due to morphological similarity of different parasitic eggs and abundance of impurities in a sample. Many studies have developed automatic systems for parasite egg detection to reduce human workload. However, they work with high quality microscopes, which unfortunately remain unaffordable in some rural areas. Our work thus exploits a benefit of a low-cost USB microscope. This instrument however provides poor quality of images due to limitation of magnification (10x), causing difficulty in parasite detection and species classification. In this paper, we propose a CNN-based technique using transfer learning strategy to enhance the efficiency of automatic parasite classification in poor-quality microscopic images. The patch-based technique with sliding window is employed to search for location of the eggs. Two networks, AlexNet and ResNet50, are examined with a trade-off between architecture size and classification performance. The results show that our proposed framework outperforms the state-of-the-art object recognition methods. Our system combined with final decision from an expert may improve the real faecal examination with low-cost microscopes.
Abstract（参考訳）: 腸管寄生虫感染は世界中の人、特に熱帯諸国にいくつかの致死性をもたらす。通常、従来の診断は、異なる寄生卵の形態的類似性やサンプル中の不純物が豊富にあるため、人間のエラーにつながる顕微鏡画像から手動で解析する。多くの研究が人間の作業負荷を減らすために寄生虫卵検出のための自動システムを開発した。しかし、彼らは高品質の顕微鏡で作業しているが、田園部では残念ながら耐えられない。我々の研究は低コストのUSB顕微鏡の利点を生かしている。しかし、この装置は拡大限界(10x)のため画像の品質が悪く、寄生虫の検出や種分類が困難である。本稿では,低品質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,トランスファー学習戦略を用いたcnnに基づく手法を提案する。スライディングウインドウを用いたパッチベース技術を用いて卵の位置を探索する。 AlexNetとResNet50という2つのネットワークがアーキテクチャサイズと分類性能のトレードオフによって検討されている。その結果,提案手法は最先端のオブジェクト認識手法よりも優れていた。本システムと専門家による最終決定が組み合わされば, 低コスト顕微鏡による実検率の向上が期待できる。

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)
Gravity Network for end-to-end small lesion detection [50.38534263407915]
本稿では,医療画像の小さな病変を特異的に検出するワンステージエンド・ツー・エンド検出器を提案する。小さな病変の正確な局在化は、その外観と、それらが見つかる様々な背景によって困難を呈する。この新たなアーキテクチャをGravityNetと呼び、新しいアンカーを重力点と呼ぶ。
論文参考訳（メタデータ） (2023-09-22T14:02:22Z)
Optimizations of Autoencoders for Analysis and Classification of Microscopic In Situ Hybridization Images [68.8204255655161]
同様のレベルの遺伝子発現を持つ顕微鏡画像の領域を検出・分類するためのディープラーニングフレームワークを提案する。分析するデータには教師なし学習モデルが必要です。
論文参考訳（メタデータ） (2023-04-19T13:45:28Z)
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)
Localization and Classification of Parasitic Eggs in Microscopic Images Using an EfficientDet Detector [0.0]
寄生卵を局在させ,11種に分類するマルチモーダル学習検出器を提案する。その結果,92%の精度で頑健な成績を示し,F1スコアは93%であった。
論文参考訳（メタデータ） (2022-08-03T10:28:18Z)
Detection of Parasitic Eggs from Microscopy Images and the emergence of a new dataset [8.957918272018045]
顕微鏡画像における寄生卵の自動検出は、人間の専門家の効率を高める可能性がある。私たちは、成功したアーキテクチャを検知に利用し、異なるドメインに取り組むように適応します。本稿では,GAN(Generative Adversarial Network)とFaster-RCNN(Faster-RCNN)による画像強調とオブジェクト検出の結果を示す。
論文参考訳（メタデータ） (2022-03-06T11:44:35Z)
Towards Low-Cost and Efficient Malaria Detection [2.7402733069180996]
マラリアは致命的だが治療可能な病気だ。深層学習に基づく手法は、専門家の負担を軽減するだけでなく、低コストの顕微鏡の診断精度を向上させる可能性がある。本稿では,低コスト顕微鏡を用いたマラリア顕微鏡の研究をさらに進めるためのデータセットを提案する。
論文参考訳（メタデータ） (2021-11-26T18:34:32Z)
A Semi-Supervised Classification Method of Apicomplexan Parasites and Host Cell Using Contrastive Learning Strategy [6.677163460963862]
本稿では, 3種類のアピコプレキサン寄生虫と非感染宿主細胞顕微鏡像の半教師付き分類法を提案する。少数のラベル付きデータと多数のラベルなしデータをトレーニングに使用します。顕微鏡画像の1%しかラベル付けされていない場合、提案手法は一般化された試験セットで94.90%の精度に達する。
論文参考訳（メタデータ） (2021-04-14T02:34:50Z)
A Dataset and Benchmark for Malaria Life-Cycle Classification in Thin Blood Smear Images [7.113350536579545]
マラリア顕微鏡、寄生虫Plasmodiumを検出するステンド血液スライドの顕微鏡検査は、マラリアを検出するための金標準であると考えられています。本研究では,染色フィルム写真中のプラスモジウム寄生虫を自動的に検出(局在化)する深層学習に基づく手法を提案する。機械学習に基づくマラリア顕微鏡の研究を容易にするために,新しい大規模顕微鏡画像マラリアデータセットを提案する。
論文参考訳（メタデータ） (2021-02-17T11:44:52Z)
Multi-label Thoracic Disease Image Classification with Cross-Attention Networks [65.37531731899837]
胸部X線画像から胸部疾患を自動分類するためのCAN(Cross-Attention Networks)を提案する。また,クロスエントロピー損失を超える新たな損失関数を設計し,クラス間の不均衡を克服する。
論文参考訳（メタデータ） (2020-07-21T14:37:00Z)
Automatic image-based identification and biomass estimation of invertebrates [70.08255822611812]
時間を要する分類と分類は、どれだけの昆虫を処理できるかに強い制限を課す。我々は、人間の専門家による分類と識別の標準的な手動アプローチを、自動画像ベース技術に置き換えることを提案する。分類タスクには最先端のResnet-50とInceptionV3 CNNを使用する。
論文参考訳（メタデータ） (2020-02-05T21:38:57Z)

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。