論文の概要: Development of Semantic Web-based Imaging Database for Biological Morphome

• arxiv url: http://arxiv.org/abs/2110.12058v1
• Date: Wed, 20 Oct 2021 15:59:35 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-01 06:05:40.334881
• Title: Development of Semantic Web-based Imaging Database for Biological Morphome
• Title（参考訳）: 生物学的形態素のためのセマンティックウェブベースイメージングデータベースの開発
• Authors: Satoshi Kume, Hiroshi Masuya, Mitsuyo Maeda, Mitsuo Suga, Yosky Kataoka, Norio Kobayashi
• Abstract要約: 本稿ではRIKEN Microstructureural Imaging MetaDatabaseを紹介する。 画像メタデータを記述したセマンティックWebベースの画像データベースである。 本稿では,このデータベースにより促進できる形態画像データの高度活用について論じる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce the RIKEN Microstructural Imaging Metadatabase, a semantic web-based imaging database in which image metadata are described using the Resource Description Framework (RDF) and detailed biological properties observed in the images can be represented as Linked Open Data. The metadata are used to develop a large-scale imaging viewer that provides a straightforward graphical user interface to visualise a large microstructural tiling image at the gigabyte level. We applied the database to accumulate comprehensive microstructural imaging data produced by automated scanning electron microscopy. As a result, we have successfully managed vast numbers of images and their metadata, including the interpretation of morphological phenotypes occurring in sub-cellular components and biosamples captured in the images. We also discuss advanced utilisation of morphological imaging data that can be promoted by this database.
• Abstract（参考訳）: 本稿では、リソース記述フレームワーク(rdf)を用いて画像メタデータを記述し、画像に観察される詳細な生物学的特性をリンクオープンデータとして表現できるセマンティックwebベースの画像データベースである、riken microstructureural imaging metadatabaseを紹介する。 メタデータは、ギガバイトレベルで大きなマイクロ構造的タイリング画像を可視化するためのグラフィカルなユーザインタフェースを提供する大規模な画像ビューアの開発に使用される。 本データベースを用いて, 自動走査電子顕微鏡による包括的な微細構造イメージングデータを蓄積した。 その結果, 細胞下成分に発生する形態的表現型や, 画像中に捕獲されたバイオサンプルの解釈など, 多数の画像とそのメタデータをうまく管理できた。 また,本データベースにより促進できる形態画像データの高度活用についても論じる。

関連論文リスト

• Knowledge-Aware Reasoning over Multimodal Semi-structured Tables [85.24395216111462]
  本研究では、現在のAIモデルがマルチモーダルな構造化データに基づいて知識を考慮した推論を行うことができるかどうかを検討する。 この目的のために設計された新しいデータセットであるMMTabQAを紹介する。 我々の実験は、複数のテキストと画像の入力を効果的に統合し解釈する上で、現在のAIモデルに対する重大な課題を浮き彫りにしている。
  論文  参考訳（メタデータ） (2024-08-25T15:17:43Z)
• AEye: A Visualization Tool for Image Datasets [18.95453617434051]
  AEyeは、画像データセットに適した意味的に意味のある視覚化ツールである。 AEyeはイメージを意味的に意味のある高次元表現に埋め込み、データのクラスタリングと組織化を容易にする。 AEyeはテキストと画像クエリの両方のセマンティック検索機能を容易にし、ユーザーはコンテンツを検索できる。
  論文  参考訳（メタデータ） (2024-08-07T20:19:20Z)
• Method and Software Tool for Generating Artificial Databases of Biomedical Images Based on Deep Neural Networks [0.0]
  本稿では,GANに基づくバイオメディカル画像の生成法について述べる。 生成した画像データベースと既知のデータベースとの比較を行った。
  論文  参考訳（メタデータ） (2024-05-25T08:15:21Z)
• Images in Discrete Choice Modeling: Addressing Data Isomorphism in Multi-Modality Inputs [77.54052164713394]
  本稿では,離散選択モデリング(DCM)と機械学習の交わりについて考察する。 本稿では,DCMフレームワーク内の従来の表型入力と同型情報を共有する高次元画像データの埋め込み結果について検討する。
  論文  参考訳（メタデータ） (2023-12-22T14:33:54Z)
• JourneyDB: A Benchmark for Generative Image Understanding [89.02046606392382]
  生成画像の領域に適合する包括的データセットであるJourneyDBを導入する。 精巧にキュレートされたデータセットは、400万の異なる高品質な画像で構成されています。 本データセットでは,生成した画像の理解性能を評価するための4つのベンチマークを考案した。
  論文  参考訳（メタデータ） (2023-07-03T02:39:08Z)
• BioGAN: An unpaired GAN-based image to image translation model for microbiological images [1.6427658855248812]
  微生物画像のための画像翻訳モデルとして,未ペアのGAN(Generative Adversarial Network)画像を開発した。 本稿では,実験室で撮影された画像の高レベルな特徴をフィールド画像に変換するために,適応的・知覚的損失を利用したGANモデルBioGANの設計を提案する。
  論文  参考訳（メタデータ） (2023-06-09T19:30:49Z)
• 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)
• AMIGO: Sparse Multi-Modal Graph Transformer with Shared-Context Processing for Representation Learning of Giga-pixel Images [53.29794593104923]
  本稿では,スライド病理像全体に対する共有コンテキスト処理の新たな概念を提案する。 AMIGOは、組織内のセルラーグラフを使用して、患者に単一の表現を提供する。 我々のモデルは、データの20%以下で同じ性能を達成できる程度に、欠落した情報に対して強い堅牢性を示す。
  論文  参考訳（メタデータ） (2023-03-01T23:37:45Z)
• Histopathology DatasetGAN: Synthesizing Large-Resolution Histopathology Datasets [0.0]
  病理組織学的データセットGAN(HDGAN)は、画像の生成と分割のためのフレームワークであり、大きな解像度の病理組織像によく対応している。 生成したバックボーンの更新,ジェネレータからの遅延特徴の選択的抽出,メモリマップされた配列への切り替えなど,オリジナルのフレームワークからいくつかの適応を行う。 血栓性微小血管症における高分解能タイルデータセット上でHDGANを評価し,高分解能画像アノテーション生成タスクにおいて高い性能を示した。
  論文  参考訳（メタデータ） (2022-07-06T14:33:50Z)
• Data Augmentation for Meta-Learning [58.47185740820304]
  メタ学習アルゴリズムは、各トレーニングステップでデータ、クエリデータ、タスクをサンプリングする。 データ拡張は、クラス毎に利用可能な画像の数を増やすだけでなく、全く新しいクラス/タスクを生成するためにも使用できる。 提案したメタ固有データ拡張は,数ショットの分類ベンチマークにおいて,メタラーナーの性能を著しく向上させる。
  論文  参考訳（メタデータ） (2020-10-14T13:48:22Z)
• Overview: Computer vision and machine learning for microstructural characterization and analysis [1.4194966466632493]
  コンピュータビジョン(CV)と機械学習(ML)は、微細構造画像から情報を抽出するための新しいアプローチを提供する。 微細構造解析のためのCV/MLシステムは、画像解析タスクの分類にまたがる。 これらのツールは、新しいリッチなビジュアルメトリクスの開発を含む、ミクロ構造解析への新しいアプローチを可能にする。
  論文  参考訳（メタデータ） (2020-05-28T19:51:23Z)

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。