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

Evaluation of Activated Sludge Settling Characteristics from Microscopy Images with Deep Convolutional Neural Networks and Transfer Learning [7.636901972162706]
本研究では, 活性汚泥沈降特性を評価するために, コンピュータビジョンに基づく革新的な手法を提案する。深層畳み込みニューラルネットワーク(CNN)モデルの伝達学習の実装により,既存の定量的画像解析技術の限界を克服することを目的とした。 Inception v3, ResNet18, ResNet152, ConvNeXt-nano, ConvNeXt-S などのCNNアーキテクチャを用いて, 汚泥沈降特性の評価を行った。
論文参考訳（メタデータ） (2024-02-14T18:13:37Z)
Human Limits in Machine Learning: Prediction of Plant Phenotypes Using Soil Microbiome Data [0.2812395851874055]
我々は,土壌と生物表現型との関係を理解するために,機械学習モデルの予測可能性について,初めて深く研究した。土壌物理化学的特性や微生物集団密度などの環境特性をモデルに組み込んだ場合, 予測精度が向上することを示す。
論文参考訳（メタデータ） (2023-06-19T20:52:37Z)
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)
Graph convolutional network for predicting abnormal grain growth in Monte Carlo simulations of microstructural evolution [0.0]
我々は異常粒成長のモンテカルロシミュレーションの大規模なデータセットを生成する。簡単なグラフ畳み込みネットワークをトレーニングし、どの初期構造が異常な粒成長を示すかを予測する。グラフニューラルネットワークはコンピュータビジョン法より優れており、予測精度は73%、偽陽性は少ない。
論文参考訳（メタデータ） (2021-10-18T13:50:43Z)
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)
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)
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)
CYPUR-NN: Crop Yield Prediction Using Regression and Neural Networks [0.0]
回帰とニューラルネットワークを用いた作物収量予測(CYPUR-NN)は、農業者や農家が画像からの利得を予測したり、ウェブインターフェースを介して値を入力することを容易にするシステムとして開発されている。
論文参考訳（メタデータ） (2020-11-26T12:50:58Z)
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)
Investigation of REFINED CNN ensemble learning for anti-cancer drug sensitivity prediction [0.0]
個々の細胞株に対するディープラーニングモデルを用いた抗がん剤感受性予測は、パーソナライズされた医療において重要な課題である。 ReFINED CNN(Convolutional Neural Network)ベースのモデルでは、薬物感受性の予測に有望な結果が示されている。我々は,このようなマッピングから構築されたアンサンブルに基づいて,最高の1つのREFINED CNNモデル予測を改善することができる予測について検討する。
論文参考訳（メタデータ） (2020-09-09T02:27:29Z)

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。