論文の概要: Transformer-based Detection of Microorganismson High-Resolution Petri Dish Images

• arxiv url: http://arxiv.org/abs/2308.09436v1
• Date: Fri, 18 Aug 2023 10:07:38 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-21 13:36:26.548406
• Title: Transformer-based Detection of Microorganismson High-Resolution Petri Dish Images
• Title（参考訳）: 変換器を用いた高分解能ペトリディッシュ画像の検出
• Authors: Nikolas Ebert, Didier Stricker, Oliver Wasenm\"uller
• Abstract要約: 医療や医薬品のプロセスには、継続的な衛生モニタリングに関する厳格なガイドラインがある。 これはしばしば、ペトリ料理の微生物を訓練された職員によって手動で数えるという労働集約的な作業を伴う。 本稿では,新しい変圧器変動を利用した高分解能検出パイプラインであるAttnPAFPNを紹介する。
• 参考スコア（独自算出の注目度）: 13.634866461329224
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Many medical or pharmaceutical processes have strict guidelines regarding continuous hygiene monitoring. This often involves the labor-intensive task of manually counting microorganisms in Petri dishes by trained personnel. Automation attempts often struggle due to major challenges: significant scaling differences, low separation, low contrast, etc. To address these challenges, we introduce AttnPAFPN, a high-resolution detection pipeline that leverages a novel transformer variation, the efficient-global self-attention mechanism. Our streamlined approach can be easily integrated in almost any multi-scale object detection pipeline. In a comprehensive evaluation on the publicly available AGAR dataset, we demonstrate the superior accuracy of our network over the current state-of-the-art. In order to demonstrate the task-independent performance of our approach, we perform further experiments on COCO and LIVECell datasets.
• Abstract（参考訳）: 多くの医療や製薬のプロセスは、継続的な衛生モニタリングに関する厳格なガイドラインを持っている。 これはしばしば訓練された人員によってペトリ皿の微生物を手動で計数する労働集約的な作業である。 自動化の試みは、大きなスケーリングの違い、低い分離、低いコントラストなど、大きな課題によってしばしば苦労する。 これらの課題に対処するために,新しい変圧器変動を利用した高分解能検出パイプラインであるAttnPAFPNを導入する。 我々の合理化アプローチは、ほとんどのマルチスケールオブジェクト検出パイプラインに容易に統合できる。 公開されているAGARデータセットの包括的な評価では、現在の最先端技術よりもネットワークの精度が優れていることを示す。 提案手法のタスク非依存性能を示すため,COCOおよびLIVECellデータセットのさらなる実験を行った。

関連論文リスト

• Targeted Cause Discovery with Data-Driven Learning [66.86881771339145]
  本稿では,観測結果から対象変数の因果変数を推定する機械学習手法を提案する。 我々は、シミュレートされたデータの教師あり学習を通じて因果関係を特定するために訓練されたニューラルネットワークを用いる。 大規模遺伝子制御ネットワークにおける因果関係の同定における本手法の有効性を実証した。
  論文  参考訳（メタデータ） (2024-08-29T02:21:11Z)
• Weakly Supervised Set-Consistency Learning Improves Morphological Profiling of Single-Cell Images [0.6491172192043603]
  単一セル画像における摂動効果の学習表現を改善するために,設定レベルの整合性学習アルゴリズムset-DINOを提案する。 5000以上の遺伝的摂動を伴う大規模光ポーリングスクリーニングデータセットの実験を行った。
  論文  参考訳（メタデータ） (2024-06-08T00:53:30Z)
• Bridging Generalization Gaps in High Content Imaging Through Online Self-Supervised Domain Adaptation [3.240945267821257]
  ハイコンテントイメージングは、現代の医薬品発見・開発パイプラインにおいて重要な役割を担っている。 これらのデータセットに機械学習モデルを適用することは、非常に難しい。 オンラインの自己管理型ドメイン適応手法であるCODAを提案する。
  論文  参考訳（メタデータ） (2023-11-21T14:16:57Z)
• Clairvoyance: A Pipeline Toolkit for Medical Time Series [95.22483029602921]
  時系列学習は、データ駆動の*クリニカルな意思決定支援のパンとバターである* Clairvoyanceは、ソフトウェアツールキットとして機能する、統合されたエンドツーエンドのオートMLフレンドリなパイプラインを提案する。 Clairvoyanceは、臨床時系列MLのための包括的で自動化可能なパイプラインの生存可能性を示す最初のものである。
  論文  参考訳（メタデータ） (2023-10-28T12:08:03Z)
• Affine-Consistent Transformer for Multi-Class Cell Nuclei Detection [76.11864242047074]
  本稿では, 原子核位置を直接生成する新しいアフィン一貫性変換器 (AC-Former) を提案する。 本稿では,AAT (Adaptive Affine Transformer) モジュールを導入し,ローカルネットワークトレーニングのためのオリジナル画像をワープするための重要な空間変換を自動学習する。 実験結果から,提案手法は様々なベンチマークにおいて既存の最先端アルゴリズムを著しく上回ることがわかった。
  論文  参考訳（メタデータ） (2023-10-22T02:27:02Z)
• MVMTnet: A Multi-variate Multi-modal Transformer for Multi-class Classification of Cardiac Irregularities Using ECG Waveforms and Clinical Notes [4.648677931378919]
  ディープラーニングは、臨床ベースのアプリケーションのための診断と患者モニタリングを最適化するために使用することができる。 心臓血管疾患では、世界中の様々な地域で医療資源が利用可能になる傾向がますます高まってきており、心疾患の自動分類が課題となっている。 提案したマルチモーダルトランスフォーマーアーキテクチャは、トランスフォーマーのクロスドメインの有効性を実証しながら、このタスクを正確に実行することができる。
  論文  参考訳（メタデータ） (2023-02-21T21:38:41Z)
• nnOOD: A Framework for Benchmarking Self-supervised Anomaly Localisation Methods [4.31513157813239]
  nnOOD は nnU-Net に適応し、自己教師付き異常局所化法の比較を可能にする。 我々は現在の最先端タスクを実装し、それを挑戦的なX線データセットで評価する。
  論文  参考訳（メタデータ） (2022-09-02T15:34:02Z)
• Boundary-aware Transformers for Skin Lesion Segmentation [19.284634561363184]
  自動皮膚病変分割の課題に対処する新しい境界対応トランス (BAT) を提案する。 具体的には,新たなバウンダリワイドアテンションゲート(BAG)をトランスフォーマに統合し,トランスフォーマを介してグローバルな長距離依存性を効果的にモデル化すると同時に,バウンダリワイド先行知識をフル活用することで,より局所的な詳細を捉える。
  論文  参考訳（メタデータ） (2021-10-08T02:43:34Z)
• Deep neural networks approach to microbial colony detection -- a comparative analysis [52.77024349608834]
  本稿では,AGARデータセットを用いた3つの深層学習手法の性能について検討する。 得られた結果は将来の実験のベンチマークとして機能するかもしれない。
  論文  参考訳（メタデータ） (2021-08-23T12:06:00Z)
• 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)
• SUOD: Accelerating Large-Scale Unsupervised Heterogeneous Outlier Detection [63.253850875265115]
  外乱検出(OD)は、一般的なサンプルから異常物体を識別するための機械学習(ML)タスクである。 そこで我々は,SUODと呼ばれるモジュール型加速度システムを提案する。
  論文  参考訳（メタデータ） (2020-03-11T00:22:50Z)

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。