論文の概要: BiofilmScanner: A Computational Intelligence Approach to Obtain
Bacterial Cell Morphological Attributes from Biofilm Image
- arxiv url: http://arxiv.org/abs/2302.09629v2
- Date: Mon, 24 Jul 2023 12:33:09 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-25 23:51:26.359941
- Title: BiofilmScanner: A Computational Intelligence Approach to Obtain
Bacterial Cell Morphological Attributes from Biofilm Image
- Title（参考訳）: BiofilmScanner: バイオフィルム画像から細菌細胞の形態的属性を取得するための計算知能アプローチ
- Authors: Md Hafizur Rahman, Md Ali Azam, Md Abir Hossen, Shankarachary Ragi,
and Venkataramana Gadhamshetty
- Abstract要約: SRBベースのバイオフィルムは、金属インフラの年間10億ドルのバイオ腐食の原因であると考えられている。
本稿では,これらの問題に対処する不変モーメントと統合されたヨラクタンスに基づくディープラーニング手法であるBiofilScannerを提案する。
提案手法は, 従来のMask-RCNN法とDLv3+法より2.1倍, 6.8倍高速で, セルの幾何学的特性を検出し, セグメンテーションし, 測定する。
- 参考スコア（独自算出の注目度）: 1.2934742454678885
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Desulfovibrio alaskensis G20 (DA-G20) is utilized as a model for
sulfate-reducing bacteria (SRB) that are associated with corrosion issues
caused by microorganisms. SRB-based biofilms are thought to be responsible for
the billion-dollar-per-year bio-corrosion of metal infrastructure.
Understanding the extraction of the bacterial cells' shape and size properties
in the SRB-biofilm at different growth stages will assist with the design of
anti-corrosion techniques. However, numerous issues affect current approaches,
including time-consuming geometric property extraction, low efficiency, and
high error rates. This paper proposes BiofilScanner, a Yolact-based deep
learning method integrated with invariant moments to address these problems.
Our approach efficiently detects and segments bacterial cells in an SRB image
while simultaneously invariant moments measure the geometric characteristics of
the segmented cells with low errors. The numerical experiments of the proposed
method demonstrate that the BiofilmScanner is 2.1x and 6.8x faster than our
earlier Mask-RCNN and DLv3+ methods for detecting, segmenting, and measuring
the geometric properties of the cell. Furthermore, the BiofilmScanner achieved
an F1-score of 85.28% while Mask-RCNN and DLv3+ obtained F1-scores of 77.67%
and 75.18%, respectively.
- Abstract（参考訳）: Desulfovibrio alaskensis G20(DA-G20)は、微生物による腐食問題に関連する硫酸還元菌(SRB)のモデルとして利用される。
srbベースのバイオフィルムは、金属インフラの年間10億ドルのバイオ腐食の原因と考えられている。
成長段階の異なるSRBバイオフィルムにおける細菌細胞の形状とサイズ特性の抽出を理解することは、抗腐食技術の設計を支援する。
しかし、多くの問題は、時間を要する幾何学的特性抽出、低い効率、高いエラー率など、現在のアプローチに影響を及ぼす。
本稿では,不変モーメントと統合したyolactベースのディープラーニング手法であるbiofilscannerを提案する。
本手法は,SRB画像中の細菌細胞を効率よく検出・分節し,同時に低誤差の分節細胞の幾何学的特性を計測する。
提案手法の数値実験により,BiofilmScannerはMsk-RCNN法およびDLv3+法よりも2.1倍,6.8倍速く,細胞の幾何学的特性を検出し,セグメンテーションし,測定することができる。
さらにバイオフィルムスキャナーは85.28%のF1スコアを獲得し、Mask-RCNNとDLv3+はそれぞれ77.67%と75.18%のF1スコアを得た。
関連論文リスト
- Biomass phenotyping of oilseed rape through UAV multi-view oblique imaging with 3DGS and SAM model [18.13908148656987]
本研究は, 油種レイプの正確な3次元再構成とバイオマス推定のために, 3次元ガウススティング(3DGS)とSAM(Segment Anything Model)を統合した。
3DGSは精度が高く、ピーク信号対雑音比(PSNR)は27.43、トレーニング時間は7分49分であった。
SAMモジュールは、結合(mIoU)が0.961、F1スコアが0.980で高いセグメンテーション精度を達成した。
論文 参考訳（メタデータ） (2024-11-13T09:16:21Z) - Breast Ultrasound Tumor Classification Using a Hybrid Multitask
CNN-Transformer Network [63.845552349914186]
胸部超音波(BUS)画像分類において,グローバルな文脈情報の収集が重要な役割を担っている。
ビジョントランスフォーマーは、グローバルなコンテキスト情報をキャプチャする能力が改善されているが、トークン化操作によって局所的なイメージパターンを歪めてしまう可能性がある。
本研究では,BUS腫瘍分類とセグメンテーションを行うハイブリッドマルチタスクディープニューラルネットワークであるHybrid-MT-ESTANを提案する。
論文 参考訳（メタデータ） (2023-08-04T01:19:32Z) - Evaluation of the potential of Near Infrared Hyperspectral Imaging for
monitoring the invasive brown marmorated stink bug [53.682955739083056]
BMSB(Halyomorpha halys)は、数種の作物を害する世界的重要性の害虫である。
本研究は、BMSB検体を検出する技術として、NIR-HSI(Near Infrared Hyperspectral Imaging)を実験室レベルで予備評価する。
論文 参考訳（メタデータ） (2023-01-19T11:37:20Z) - Sensitivity analysis of biological washout and depth selection for a
machine learning based dose verification framework in proton therapy [19.718172235291647]
陽電子放出体を用いた線量検証は, 品質保証ツールとして有望である。
実用化に向けて一歩前進するためには、生物学的洗浄と深度選択という2つの要因の感度分析を行う必要がある。
提案するAIフレームワークは,2つの要因に関連する摂動に対して良好な免疫力を示す。
論文 参考訳（メタデータ） (2022-12-21T20:43:35Z) - Corneal endothelium assessment in specular microscopy images with Fuchs'
dystrophy via deep regression of signed distance maps [48.498376125522114]
本稿では,UNetをベースとしたセグメンテーション手法を提案する。
これは、フックスのジストロフィーの全度にわたって、信頼できるCE形態計測と腸骨同定を実現する。
論文 参考訳（メタデータ） (2022-10-13T15:34:20Z) - Accurate and fast identification of minimally prepared bacteria
phenotypes using Raman spectroscopy assisted by machine learning [0.0]
我々はメチシリン耐性(MR)菌をメチシリン感受性(MS)菌から同定する機械学習技術を開発した。
我々は,6種のMR-MS菌の分類精度が95.6$%であるデータセットに対して,96$%以上の分類精度を達成した。
論文 参考訳（メタデータ） (2022-06-27T14:27:05Z) - Texture Characterization of Histopathologic Images Using Ecological
Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。
2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
論文 参考訳（メタデータ） (2022-02-27T02:19:09Z) - Multi-Scale Input Strategies for Medulloblastoma Tumor Classification
using Deep Transfer Learning [59.30734371401316]
乳腺芽腫は小児で最も多い悪性脳腫瘍である。
CNNはMBサブタイプ分類に有望な結果を示した。
タイルサイズと入力戦略の影響について検討した。
論文 参考訳（メタデータ） (2021-09-14T09:42:37Z) - 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) - Early-detection and classification of live bacteria using time-lapse
coherent imaging and deep learning [0.5374144381476773]
計算生菌検出システムは、60mmの寒天板内の細菌成長のコヒーレント顕微鏡画像を定期的にキャプチャする。
システムは、深層ニューラルネットワークを用いてこれらの時間経過ホログラムを分析し、細菌の成長を迅速に検出し、対応する種の分類を行う。
論文 参考訳（メタデータ） (2020-01-29T05:39:23Z)
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。