論文の概要: Automated detection of Zika and dengue in Aedes aegypti using neural
spiking analysis
- arxiv url: http://arxiv.org/abs/2312.08654v1
- Date: Thu, 14 Dec 2023 04:52:54 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-15 23:57:07.802685
- Title: Automated detection of Zika and dengue in Aedes aegypti using neural
spiking analysis
- Title（参考訳）: 神経スパイク法によるAedes aegyptiのジカとデングの自動検出
- Authors: Danial Sharifrazi, Nouman Javed, Roohallah Alizadehsani, Prasad N.
Paradkar, U. Rajendra Acharya, and Asim Bhatti
- Abstract要約: Aedes aegypti 蚊は多くの医療上重要なウイルスの主要なベクターである。
現在、蚊にはオープンソースのニューラルスパイク分類方法がない。
我々は,非感染,デング熱,ジカ熱感染蚊の神経スパイクを分類する,革新的な人工知能に基づく手法を提案する。
- 参考スコア（独自算出の注目度）: 8.034395623865906
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Mosquito-borne diseases present considerable risks to the health of both
animals and humans. Aedes aegypti mosquitoes are the primary vectors for
numerous medically important viruses such as dengue, Zika, yellow fever, and
chikungunya. To characterize this mosquito neural activity, it is essential to
classify the generated electrical spikes. However, no open-source neural spike
classification method is currently available for mosquitoes. Our work presented
in this paper provides an innovative artificial intelligence-based method to
classify the neural spikes in uninfected, dengue-infected, and Zika-infected
mosquitoes. Aiming for outstanding performance, the method employs a fusion of
normalization, feature importance, and dimension reduction for the
preprocessing and combines convolutional neural network and extra gradient
boosting (XGBoost) for classification. The method uses the electrical spiking
activity data of mosquito neurons recorded by microelectrode array technology.
We used data from 0, 1, 2, 3, and 7 days post-infection, containing over 15
million samples, to analyze the method's performance. The performance of the
proposed method was evaluated using accuracy, precision, recall, and the F1
scores. The results obtained from the method highlight its remarkable
performance in differentiating infected vs uninfected mosquito samples,
achieving an average of 98.1%. The performance was also compared with 6 other
machine learning algorithms to further assess the method's capability. The
method outperformed all other machine learning algorithms' performance.
Overall, this research serves as an efficient method to classify the neural
spikes of Aedes aegypti mosquitoes and can assist in unraveling the complex
interactions between pathogens and mosquitoes.
- Abstract（参考訳）: 蚊が媒介する病気は、動物と人間の健康にかなりのリスクをもたらす。
aedes aegypti 蚊はデング、ジカ、イエローフィーバー、チクングニアなど多くの医学的に重要なウイルスの主要なベクターである。
この蚊の神経活動の特徴は、生成された電気スパイクを分類することが不可欠である。
しかし、現在蚊にはオープンソースの神経スパイク分類方法がない。
本研究は,無感染,デング感染,ジカ熱に感染した蚊の神経スパイクを分類する,革新的な人工知能に基づく手法である。
優れた性能を目指して、前処理における正規化、特徴重要度、次元縮小の融合を用い、畳み込みニューラルネットワークと余分勾配ブースティング(xgboost)を組み合わせて分類する。
マイクロ電極アレイ技術により記録された蚊ニューロンの電気的スパイク活動データを用いる。
0,1,1,2,3,7日後のデータを用いて,1500万以上のサンプルを収集し,その解析を行った。
提案手法の性能は,精度,精度,リコール,F1スコアを用いて評価した。
この方法で得られた結果は、感染した蚊と感染していない蚊を区別し、平均98.1%の成績を示した。
パフォーマンスは、他の6つの機械学習アルゴリズムと比較され、メソッドの能力をさらに評価した。
この方法は、他の機械学習アルゴリズムのパフォーマンスを上回った。
全体として、この研究は、Aedes aegypti 蚊の神経スパイクを分類する効率的な方法であり、病原体と蚊の間の複雑な相互作用の解明に役立つ。
関連論文リスト
- Advanced Vision Transformers and Open-Set Learning for Robust Mosquito Classification: A Novel Approach to Entomological Studies [0.0]
この研究は、視覚変換器とオープンセット学習技術を活用することにより、蚊の分類に革新的なアプローチを示す。
トランスフォーマーベースのディープラーニングモデルと包括的データ拡張と事前処理メソッドを統合する新しいフレームワークが導入された。
このフレームワークは、蚊や人間に類似した昆虫のような目に見えないクラスを、オープンセットの学習によって扱えるようにすることで、実用性をさらに高めている。
論文 参考訳（メタデータ） (2024-08-12T19:17:57Z) - Few-Shot Transfer Learning for Individualized Braking Intent Detection on Neuromorphic Hardware [0.21847754147782888]
本研究では、BrainChip上の畳み込みスパイクニューラルネットワーク(CSNN)をトレーニングし、実装するために、数発の転送学習手法の使用について検討する。
その結果、ニューロモルフィックハードウェアのエネルギー効率は97%以上低下し、レイテンシは1.3*しか増加しなかった。
論文 参考訳（メタデータ） (2024-07-21T15:35:46Z) - Localization and Classification of Parasitic Eggs in Microscopic Images
Using an EfficientDet Detector [0.0]
寄生卵を局在させ,11種に分類するマルチモーダル学習検出器を提案する。
その結果,92%の精度で頑健な成績を示し,F1スコアは93%であった。
論文 参考訳（メタデータ） (2022-08-03T10:28:18Z) - Overcoming the Domain Gap in Contrastive Learning of Neural Action
Representations [60.47807856873544]
神経科学の基本的な目標は、神経活動と行動の関係を理解することである。
我々は,ハエが自然に生み出す行動からなる新しいマルチモーダルデータセットを作成した。
このデータセットと新しい拡張セットは、神経科学における自己教師あり学習手法の適用を加速することを約束します。
論文 参考訳（メタデータ） (2021-11-29T15:27:51Z) - On the use of uncertainty in classifying Aedes Albopictus mosquitoes [1.6758573326215689]
畳み込みニューラルネットワーク(CNN)は、画像中の蚊を認識するためにいくつかの研究で使われてきた。
本稿では,モンテカルロ・ドロップアウト法を用いて不確実性のスコアを推定し,分類標本のランク付けを行う。
論文 参考訳（メタデータ） (2021-10-29T16:58:25Z) - SOUL: An Energy-Efficient Unsupervised Online Learning Seizure Detection
Classifier [68.8204255655161]
神経活動を記録して発作を検出するインプラントデバイスは、発作を抑えるために警告を発したり神経刺激を誘発したりするために採用されている。
移植可能な発作検出システムでは、低出力で最先端のオンライン学習アルゴリズムを使用して、神経信号のドリフトに動的に適応することができる。
SOULはTSMCの28nmプロセスで0.1mm2を占め、1.5nJ/分級エネルギー効率を実現した。
論文 参考訳（メタデータ） (2021-10-01T23:01:20Z) - Adaptive conversion of real-valued input into spike trains [91.3755431537592]
本稿では,実数値入力をスパイクトレインに変換し,スパイクニューラルネットワークで処理する方法を提案する。
提案手法は網膜神経節細胞の適応的挙動を模倣し,入力ニューロンが入力の統計の変化に応答することを可能にする。
論文 参考訳（メタデータ） (2021-04-12T12:33:52Z) - And/or trade-off in artificial neurons: impact on adversarial robustness [91.3755431537592]
ネットワークに十分な数のOR様ニューロンが存在すると、分類の脆さと敵の攻撃に対する脆弱性が増加する。
そこで我々は,AND様ニューロンを定義し,ネットワーク内での割合を増大させる対策を提案する。
MNISTデータセットによる実験結果から,本手法はさらなる探索の方向として有望であることが示唆された。
論文 参考訳（メタデータ） (2021-02-15T08:19:05Z) - Detecting Aedes Aegypti Mosquitoes through Audio Classification with
Convolutional Neural Networks [1.0323063834827415]
蚊の流行に対するコミュニティの認識を高めるための戦略は、スマートフォンアプリとクラウドソーシングを使って、蚊の流行のライブマップを構築することである。
本稿では,市販スマートフォンから取得した機械学習技術と音声分析を用いて,Aedes aegypti 蚊の同定の可能性を検討する。
論文 参考訳（メタデータ） (2020-08-19T00:26:21Z) - Towards Efficient Processing and Learning with Spikes: New Approaches
for Multi-Spike Learning [59.249322621035056]
各種タスクにおける他のベースラインよりも優れた性能を示すための2つの新しいマルチスパイク学習ルールを提案する。
特徴検出タスクでは、教師なしSTDPの能力と、その制限を提示する能力を再検討する。
提案した学習ルールは,特定の制約を適用せずに,幅広い条件で確実にタスクを解くことができる。
論文 参考訳（メタデータ） (2020-05-02T06:41:20Z) - Rectified Meta-Learning from Noisy Labels for Robust Image-based Plant
Disease Diagnosis [64.82680813427054]
植物病は食料安全保障と作物生産に対する主要な脅威の1つである。
1つの一般的なアプローチは、葉画像分類タスクとしてこの問題を変換し、強力な畳み込みニューラルネットワーク(CNN)によって対処できる。
本稿では,正規化メタ学習モジュールを共通CNNパラダイムに組み込んだ新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2020-03-17T09:51:30Z)
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。