論文の概要: CNN-FL for Biotechnology Industry Empowered by Internet-of-BioNano
Things and Digital Twins
- arxiv url: http://arxiv.org/abs/2402.00238v1
- Date: Wed, 31 Jan 2024 23:40:44 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-02 17:16:42.837554
- Title: CNN-FL for Biotechnology Industry Empowered by Internet-of-BioNano
Things and Digital Twins
- Title（参考訳）: インターネットを利用したバイオテクノロジー産業用CNN-FL
- Authors: Mohammad (Behdad) Jamshidi, Dinh Thai Hoang, and Diep N. Nguyen
- Abstract要約: デジタル双生児(DT)は、生物学的資産、微生物、薬物開発プロセス、デジタルヘルス応用の洗練されたデジタル表現を可能にすることによって、バイオテクノロジー産業に革命をもたらしている。
しかし、特にバクテリアのような複雑な物質をモデル化する際のマイクロスケールとナノスケールでのデジタルツインニングは、高度なモノのインターネット(Internet of Things)インフラストラクチャとコンピューティングアプローチを必要とする点で大きな課題を呈している。
バイオナノモノのインターネット(IoBNT)と高度な機械学習技術、特に畳み込みニューラルネットワーク(CNN)とフェデレーション学習(FL)を統合する新しいフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 22.792474445441037
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Digital twins (DTs) are revolutionizing the biotechnology industry by
enabling sophisticated digital representations of biological assets,
microorganisms, drug development processes, and digital health applications.
However, digital twinning at micro and nano scales, particularly in modeling
complex entities like bacteria, presents significant challenges in terms of
requiring advanced Internet of Things (IoT) infrastructure and computing
approaches to achieve enhanced accuracy and scalability. In this work, we
propose a novel framework that integrates the Internet of Bio-Nano Things
(IoBNT) with advanced machine learning techniques, specifically convolutional
neural networks (CNN) and federated learning (FL), to effectively tackle the
identified challenges. Within our framework, IoBNT devices are deployed to
gather image-based biological data across various physical environments,
leveraging the strong capabilities of CNNs for robust machine vision and
pattern recognition. Subsequently, FL is utilized to aggregate insights from
these disparate data sources, creating a refined global model that continually
enhances accuracy and predictive reliability, which is crucial for the
effective deployment of DTs in biotechnology. The primary contribution is the
development of a novel framework that synergistically combines CNN and FL,
augmented by the capabilities of the IoBNT. This novel approach is specifically
tailored to enhancing DTs in the biotechnology industry. The results showcase
enhancements in the reliability and safety of microorganism DTs, while
preserving their accuracy. Furthermore, the proposed framework excels in energy
efficiency and security, offering a user-friendly and adaptable solution. This
broadens its applicability across diverse sectors, including biotechnology and
pharmaceutical industries, as well as clinical and hospital settings.
- Abstract（参考訳）: デジタル・ツイン(dts)は生物資産、微生物、医薬品開発プロセス、デジタル医療の高度なデジタル表現を可能にし、バイオテクノロジー産業に革命をもたらしている。
しかし、特にバクテリアのような複雑なエンティティをモデル化する場合、マイクロスケールとナノスケールでのデジタルツインニングは、高度なIoT(Internet of Things)インフラストラクチャとコンピューティングアプローチを必要とし、精度とスケーラビリティの向上を実現する上で大きな課題となる。
本稿では,バイオナノモノのインターネット(iobnt)と高度な機械学習技術,特に畳み込みニューラルネットワーク(cnn)と連合学習(fl)を統合し,その課題を効果的に解決するための新しい枠組みを提案する。
我々のフレームワーク内では、画像ベースの生物学的データを様々な物理的環境にわたって収集するためにIoBNTデバイスがデプロイされ、CNNの強力な能力を活用して、堅牢なマシンビジョンとパターン認識を実現している。
その後、flはこれらの異なるデータソースから洞察を集約し、精度と予測信頼性を継続的に向上させる洗練されたグローバルモデルを作成し、バイオテクノロジーにおけるdtsの効果的な展開に不可欠である。
主な貢献は、IoBNTの機能によって強化されたCNNとFLを相乗的に結合する新しいフレームワークの開発である。
この新しいアプローチは、バイオテクノロジー産業におけるDTの強化に特化している。
その結果,微生物DTの信頼性と安全性が向上し,精度が向上した。
さらに,提案フレームワークはエネルギー効率とセキュリティに優れ,ユーザフレンドリーで適応可能なソリューションを提供する。
これにより、バイオテクノロジーや製薬業界、臨床や病院の環境など様々な分野にも応用範囲を広げる。
関連論文リスト
- Sustainable Diffusion-based Incentive Mechanism for Generative AI-driven Digital Twins in Industrial Cyber-Physical Systems [65.22300383287904]
産業用サイバー物理システム(ICPS)は、現代の製造業と産業にとって不可欠なコンポーネントである。
製品ライフサイクルを通じてデータをデジタル化することで、ICPSのDigital Twins(DT)は、現在の産業インフラからインテリジェントで適応的なインフラへの移行を可能にします。
産業用IoT(Industrial Internet of Things, IIoT)デバイスを利用すれば、DTを構築するためのデータを共有するメカニズムは、悪い選択問題の影響を受けやすい。
論文 参考訳（メタデータ） (2024-08-02T10:47:10Z) - Single Neuromorphic Memristor closely Emulates Multiple Synaptic
Mechanisms for Energy Efficient Neural Networks [71.79257685917058]
我々はこれらのシナプス機能を本質的にエミュレートするSrTiO3に基づく膜状ナノデバイスを実証する。
これらのメムリスタは、安定かつエネルギー効率の良い運転を可能にする非定常低導電系で機能する。
論文 参考訳（メタデータ） (2024-02-26T15:01:54Z) - Multi-level biomedical NER through multi-granularity embeddings and
enhanced labeling [3.8599767910528917]
本稿では,複数のモデルの強みを統合するハイブリッドアプローチを提案する。
BERTは、文脈化された単語の埋め込み、文字レベルの情報キャプチャのための事前訓練されたマルチチャネルCNN、およびテキスト内の単語間の依存関係のシーケンスラベリングとモデル化のためのBiLSTM + CRFを提供する。
我々は、ベンチマークi2b2/2010データセットを用いて、F1スコア90.11を達成する。
論文 参考訳（メタデータ） (2023-12-24T21:45:36Z) - MultiIoT: Benchmarking Machine Learning for the Internet of Things [70.74131118309967]
次世代の機械学習システムは、物理的世界に対する知覚と相互作用に長けなければならない。
運動、熱、位置情報、深度、無線信号、ビデオ、オーディオからの知覚データは、物理環境の状態をモデル化するためにますます使われています。
既存の取り組みは、しばしば単一の感覚的モダリティまたは予測タスクに特化している。
本稿は、12のモダリティと8つの現実世界タスクから115万以上のサンプルを含む、これまでで最も拡張的で統一されたIoTベンチマークであるMultiIoTを提案する。
論文 参考訳（メタデータ） (2023-11-10T18:13:08Z) - COVID-Net Biochem: An Explainability-driven Framework to Building
Machine Learning Models for Predicting Survival and Kidney Injury of COVID-19
Patients from Clinical and Biochemistry Data [66.43957431843324]
我々は、機械学習モデルを構築するための汎用的で説明可能なフレームワークであるCOVID-Net Biochemを紹介する。
この枠組みを用いて、新型コロナウイルス患者の生存率と、入院中に急性腎不全を発症する可能性を予測する。
論文 参考訳（メタデータ） (2022-04-24T07:38:37Z) - BERN2: an advanced neural biomedical named entity recognition and
normalization tool [21.644896894525704]
BERN2は、以前のニューラルネットワークベースのNERツールを改善するツールである。
当社のツールが,大規模バイオメディカルテキストをより正確に注釈できることを期待している。
論文 参考訳（メタデータ） (2022-01-06T14:53:30Z) - 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) - Block Chain and Internet of Nano-Things for Optimizing Chemical Sensing
in Smart Farming [1.7061868168035932]
本研究は,BC-IoNT(BC-IoNT)を用いた農業経営における化学物質レベル検知システムを提案する。
これは、化学物質の流通制御による持続可能な農業慣行の改善を目的とした、スマート農業にとって重要な応用である。
分散BC-IoNT法の化学物質検出精度は90%,中央集権アプローチは80%であった。
論文 参考訳（メタデータ） (2020-10-05T12:12:33Z) - Machine Learning in Nano-Scale Biomedical Engineering [77.75587007080894]
ナノスケールバイオメディカルエンジニアリングにおける機械学習の利用に関する既存の研究について概説する。
ML問題として定式化できる主な課題は、3つの主要なカテゴリに分類される。
提示された方法論のそれぞれについて、その原則、応用、制限に特に重点を置いている。
論文 参考訳（メタデータ） (2020-08-05T15:45:54Z) - Stochastic-based Neural Network hardware acceleration for an efficient
ligand-based virtual screening [0.6431253679501663]
仮想スクリーニングは、治療対象の生物活性を示す可能性が最も高い分子化合物の同定方法を研究する。
大量の小さな有機化合物と、このような大規模なスクリーニングを行う可能性のある数千のターゲットにより、分子データベースのスクリーニングにおける処理速度とエネルギー効率の両方を向上する研究コミュニティへの関心が高まっている。
本研究では,各分子を1つのエネルギーベースベクトルで記述した分類モデルを提案し,ANNを用いた機械学習システムを提案する。
論文 参考訳（メタデータ） (2020-06-03T20:18:15Z)
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。