Fugu-MT 論文翻訳(概要): Performing Video Frame Prediction of Microbial Growth with a Recurrent Neural Network

論文の概要: Performing Video Frame Prediction of Microbial Growth with a Recurrent Neural Network

arxiv url: http://arxiv.org/abs/2205.05810v1
Date: Thu, 12 May 2022 00:24:46 GMT
ステータス: 処理完了
システム内更新日: 2022-05-13 14:29:47.389221
Title: Performing Video Frame Prediction of Microbial Growth with a Recurrent Neural Network
Title（参考訳）: リカレントニューラルネットワークによる微生物増殖の動画フレーム予測
Authors: Connor Robertson, Jared L. Wilmoth, Scott Retterer, Miguel Fuentes-Cabrera
Abstract要約: The Recurrent Neural Network (RNN) was performed video frame prediction of microbial growth for a population of two mutants of Pseudomonas aeruginosa。この結果が微生物学における自律的な実験の設計にもたらす意味と、予測をより正確にするためのステップについて論じる。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: A Recurrent Neural Network (RNN) was used to perform video frame prediction of microbial growth for a population of two mutants of Pseudomonas aeruginosa. The RNN was trained on videos of 20 frames that were acquired using fluorescence microscopy and microfluidics. The network predicted the last 10 frames of each video, and the accuracy's of the predictions was assessed by comparing raw images, population curves, and the number and size of individual colonies. Overall, we found the predictions to be accurate using this approach. The implications this result has on designing autonomous experiments in microbiology, and the steps that can be taken to make the predictions even more accurate, are discussed.
Abstract（参考訳）: recurrent neural network (rnn) を用いてpseudomonas aeruginosaの2種の変異株の微生物増殖をビデオフレームで予測した。 rnnは蛍光顕微鏡とマイクロ流体力学を用いて取得した20フレームのビデオで訓練された。このネットワークは、各ビデオの最後の10フレームを予測し、予測の精度を、原画像、人口曲線、個々のコロニーの数とサイズを比較して評価した。全体として、このアプローチで予測が正確であることが分かりました。この結果は微生物学における自律実験の設計に影響を与え、予測をより正確にするためのステップが議論されている。

関連論文リスト

Graph Neural Networks for Microbial Genome Recovery [64.91162205624848]
本稿では,グラフニューラルネットワーク(GNN)を用いて,メダゲノミクスビニングのためのコンティグ表現を学習する際のアセンブリグラフを活用することを提案する。提案手法であるVaeG-Binは,個々のコンティグの潜在表現を学習するための変分オートエンコーダと,アセンブリグラフ内のコンティグの近傍構造を考慮したGNNを組み合わせる。
論文参考訳（メタデータ） (2022-04-26T12:49:51Z)
A Dynamical Estimation and Prediction for Covid19 on Romania using ensemble neural networks [0.0]
本稿では,ルーマニアにおけるCovid19の進化と予測をSIRDの数学的モデルと組み合わせて解析する。ルーマニアのCovid19の実際のデータから10のニューラルネットワークのアンサンブルを用いてパラメータを予測する。
論文参考訳（メタデータ） (2022-02-28T10:54:29Z)
Predicting the spread of COVID-19 in Delhi, India using Deep Residual Recurrent Neural Networks [0.0]
The dynamics of COVID 19 were extracted using Convolutional Neural Networks and Deep Residual Recurrent Neural Networks。 DRRNNs COVID-19予測モデルは、正確な新型コロナウイルス予測を持っていることが示されている。
論文参考訳（メタデータ） (2021-10-09T19:16:36Z)
Medulloblastoma Tumor Classification using Deep Transfer Learning with Multi-Scale EfficientNets [63.62764375279861]
本稿では,エンド・ツー・エンドのMB腫瘍分類を提案し,様々な入力サイズとネットワーク次元の一致した移動学習を提案する。 161ケースのデータセットを用いて、より大規模な入力解像度を持つ事前学習されたEfficientNetが、大幅な性能改善をもたらすことを実証した。
論文参考訳（メタデータ） (2021-09-10T13:07:11Z)
AGAR a microbial colony dataset for deep learning detection [0.0]
Annotated Germs for Automated Recognition データセットは、寒天のプレート上に培養された微生物コロニーの画像データベースである。本研究では,データセット自体とその開発過程について述べる。第2部では、AGARデータセット上で、オブジェクト検出のための選択されたディープニューラルネットワークアーキテクチャの性能を評価した。
論文参考訳（メタデータ） (2021-08-03T01:26:41Z)
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)
Transfer Learning of Deep Spatiotemporal Networks to Model Arbitrarily Long Videos of Seizures [58.720142291102135]
てんかん患者の治療には, てんかんセミノロジーの詳細な分析が重要である。本稿では、畳み込みニューラルネットワーク(CNN)とリカレントニューラルネットワーク(RNN)を組み合わせた新しいアーキテクチャであるGESTURESを紹介する。本稿では,HARデータセットでトレーニングしたSTCNNとRNNを組み合わせて,任意の長さの発作映像を正確に表現できることを示す。
論文参考訳（メタデータ） (2021-06-22T18:40:31Z)
An Interaction-based Convolutional Neural Network (ICNN) Towards Better Understanding of COVID-19 X-ray Images [0.0]
本稿では,局所情報の関連性を仮定しない対話型畳み込みニューラルネットワーク(ICNN)を提案する。提案手法は、新型コロナウイルスのチェストX線画像を分類した実世界のデータセット上で、99.8%の最先端予測性能を実現する。
論文参考訳（メタデータ） (2021-06-13T04:41:17Z)
Wide & Deep neural network model for patch aggregation in CNN-based prostate cancer detection systems [51.19354417900591]
前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
論文参考訳（メタデータ） (2021-05-20T18:13:58Z)
Neural Network-based Virtual Microphone Estimator [111.79608275698274]
ニューラルネットワークを用いた仮想マイクロホン推定器(NN-VME)を提案する。 NN-VMEは、最近の時間領域ニューラルネットワークの正確な推定能力を利用して、仮想マイクロホン信号を時間領域内で直接推定する。 CHiME-4コーパスの実験結果から,提案したNN-VMEは実録音においても高い仮想マイクロホン推定性能が得られることが示された。
論文参考訳（メタデータ） (2021-01-12T06:30:24Z)
The Neural Coding Framework for Learning Generative Models [91.0357317238509]
本稿では,脳の予測処理理論に触発された新しい神経生成モデルを提案する。同様に、私たちの生成モデルにおける人工ニューロンは、隣接するニューロンが何をするかを予測し、予測が現実にどの程度一致するかに基づいてパラメータを調整します。
論文参考訳（メタデータ） (2020-12-07T01:20:38Z)

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。