論文の概要: BIOMERO: BioImage analysis in OMERO

• arxiv url: http://arxiv.org/abs/2402.00734v1
• Date: Thu, 1 Feb 2024 16:33:06 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-02 14:38:44.662281
• Title: BIOMERO: BioImage analysis in OMERO
• Title（参考訳）: バイオメロ : バイオ画像解析
• Authors: Torec T. Luik, Rodrigo Rosas-Bertolini, Eric A.J. Reits, Ron A. Hoebe, Przemek M. Krawczyk
• Abstract要約: 本稿では,バイオイメージングデータ管理プラットフォームとして有名なビオメロとハイパフォーマンスコンピューティングの橋梁であるビオメロを紹介する。 BioMEROは、特殊な知識を不要にすることで研究者に力を与え、OMEROから直接スケーラブルな画像処理を可能にする。 バイオイメージング研究の領域にまたがって、再利用性を強調したFAIRの普及を促進する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In the rapidly evolving field of bioimaging, the integration and orchestration of Findable, Accessible, Interoperable, and Reusable (FAIR) image analysis workflows remains a challenge. We introduce BIOMERO, a bridge connecting OMERO, a renowned bioimaging data management platform, FAIR workflows and high-performance computing (HPC) environments. BIOMERO, featuring our opensource Python library "OMERO Slurm Client", facilitates seamless execution of FAIR workflows, particularly for large datasets from High Content or High Throughput Screening. BIOMERO empowers researchers by eliminating the need for specialized knowledge, enabling scalable image processing directly from OMERO. BIOMERO notably supports the sharing and utilization of FAIR workflows between OMERO, Cytomine/BIAFLOWS, and other bioimaging communities. BIOMERO will promote the widespread adoption of FAIR workflows, emphasizing reusability, across the realm of bioimaging research. Its user-friendly interface will empower users, including those without technical expertise, to seamlessly apply these workflows to their datasets, democratizing the utilization of AI by the broader research community.
• Abstract（参考訳）: バイオイメージングの急速に発展する分野では、Finderable、Accessible、Interoperable、Reusable(FAIR)イメージ分析ワークフローの統合とオーケストレーションは依然として課題である。 本稿では、バイオイメージングデータ管理プラットフォームであるOMEROと、FAIRワークフローと高性能コンピューティング(HPC)環境を接続するブリッジであるBIOMEROを紹介する。 オープンソースのPythonライブラリであるOMERO Slurm Clientを特徴とするBIOMEROは、特にHigh ContentやHigh Throughput Screeningの大規模なデータセットに対して、FAIRワークフローのシームレスな実行を容易にする。 BIOMEROは特殊な知識を不要にすることで研究者に力を与え、OMEROから直接スケーラブルな画像処理を可能にする。 BIOMEROは特に、OMERO、Cytomine/BIAFLOWSおよび他のバイオイメージングコミュニティ間のFAIRワークフローの共有と利用をサポートしている。 BIOMEROは、バイオイメージング研究の領域において、再利用性を強調し、FAIRワークフローの普及を促進する。 ユーザーフレンドリーなインターフェースにより、技術的専門知識のないユーザを含むユーザは、これらのワークフローをデータセットにシームレスに適用し、より広範な研究コミュニティによるAIの利用を民主化することができる。

関連論文リスト

• PEAR: A Robust and Flexible Automation Framework for Ptychography Enabled by Multiple Large Language Model Agents [6.6004056020499355]
  実際には、高品質な画像を得るには、多数の実験パラメータとアルゴリズムパラメータを同時に最適化する必要がある。 本研究では,大規模言語モデル(LLM)を活用し,画像解析におけるデータ解析を自動化するフレームワークを開発する。 本研究は,PEARのマルチエージェント設計が,より小さなオープンウェイトモデルであっても,ワークフローの成功率を大幅に向上させることを示す。
  論文  参考訳（メタデータ） (2024-10-11T17:50:59Z)
• CMOB: Large-Scale Cancer Multi-Omics Benchmark with Open Datasets, Tasks, and Baselines [7.9722811306493115]
  CMOBはTCGAプラットフォームを統合する最初の大規模がんマルチオミクスベンチマークである。 CMOBは、よく処理されたデータセットバージョンを提供し、4つの研究で20の有意義なタスクをサポートする。 本研究の目的は, パーソナライズされたがん治療のための機械学習モデルの開発, 検証, 臨床翻訳を高速化することである。
  論文  参考訳（メタデータ） (2024-09-02T22:04:08Z)
• Caution for the Environment: Multimodal Agents are Susceptible to Environmental Distractions [68.92637077909693]
  本稿では,グラフィカルユーザインタフェース(GUI)環境におけるマルチモーダル大規模言語モデル(MLLM)エージェントの忠実さについて検討する。 ユーザとエージェントの両方が良性であり、環境は悪質ではないが、無関係なコンテンツを含む、一般的な設定が提案されている。 実験結果から、ジェネラリストエージェントや専門的なGUIエージェントなど、最も強力なモデルでさえ、気晴らしの影響を受けやすいことが明らかとなった。
  論文  参考訳（メタデータ） (2024-08-05T15:16:22Z)
• Robot Fleet Learning via Policy Merging [58.5086287737653]
  我々はFLEET-MERGEを提案し、艦隊設定における政策を効率的にマージする。 本稿では,FLEET-MERGEがメタワールド環境における50のタスクで訓練されたポリシーの行動を統合することを示す。 合成・接触に富んだロボット操作タスクにおけるフリートポリシー学習のための新しいロボットツール用ベンチマークであるFLEET-TOOLSを導入する。
  論文  参考訳（メタデータ） (2023-10-02T17:23:51Z)
• BioREx: Improving Biomedical Relation Extraction by Leveraging Heterogeneous Datasets [7.7587371896752595]
  生物医学的関係抽出(RE)は、生物医学的自然言語処理(NLP)研究における中心的な課題である。 本稿では、個々のデータセットのデータの均一性を体系的に解決し、それらを大きなデータセットに組み合わせるための新しいフレームワークを提案する。 評価の結果,BioRExは個々のデータセットでトレーニングしたベンチマークシステムよりも大幅に高い性能を示すことがわかった。
  論文  参考訳（メタデータ） (2023-06-19T22:48:18Z)
• Zero-shot Composed Text-Image Retrieval [72.43790281036584]
  合成画像検索(CIR)の問題点を考察する。 テキストや画像などのマルチモーダル情報を融合し、クエリにマッチする画像を正確に検索し、ユーザの表現能力を拡張できるモデルをトレーニングすることを目的としている。
  論文  参考訳（メタデータ） (2023-06-12T17:56:01Z)
• GAIA Search: Hugging Face and Pyserini Interoperability for NLP Training Data Exploration [97.68234051078997]
  我々はPyseriniを、オープンソースのAIライブラリとアーティファクトのHugging Faceエコシステムに統合する方法について論じる。 Jupyter NotebookベースのウォークスルーがGitHubで公開されている。 GAIA Search - 前述した原則に従って構築された検索エンジンで、人気の高い4つの大規模テキストコレクションへのアクセスを提供する。
  論文  参考訳（メタデータ） (2023-06-02T12:09:59Z)
• AIONER: All-in-one scheme-based biomedical named entity recognition using deep learning [7.427654811697884]
  AIONERは最先端のディープラーニングとAIOスキーマに基づく汎用BioNERツールである。 AIONERは効果的で堅牢で、マルチタスク学習のような最先端のアプローチと好適に比較できる。
  論文  参考訳（メタデータ） (2022-11-30T12:35:00Z)
• DORO: Distributional and Outlier Robust Optimization [98.44757325531631]
  本稿では,分散ロバスト最適化のためのDOROのフレームワークを提案する。 このアプローチのコアとなるのは、DROがオーバーフィットして潜在的な外れ値に収まらないような、洗練されたリスク関数である。 提案手法の有効性を理論的に証明し, DOROがDROの性能と安定性を向上することを示す。
  論文  参考訳（メタデータ） (2021-06-11T02:59:54Z)
• INODE: Building an End-to-End Data Exploration System in Practice [Extended Vision] [30.411996388471817]
  INODEはエンドツーエンドのデータ探索システムです。 私達は癌のバイオマーカーのReearch、研究および革新の方針の作成および天体物理学の分野の3つの重要な使用例でそれを実証します。
  論文  参考訳（メタデータ） (2021-04-09T05:04:04Z)
• Mining Implicit Entity Preference from User-Item Interaction Data for Knowledge Graph Completion via Adversarial Learning [82.46332224556257]
  本稿では,知識グラフ補完タスクにおけるユーザインタラクションデータを活用することで,新たな逆学習手法を提案する。 我々のジェネレータはユーザインタラクションデータから分離されており、識別器の性能を向上させるのに役立ちます。 利用者の暗黙の実体的嗜好を発見するために,グラフニューラルネットワークに基づく精巧な協調学習アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2020-03-28T05:47:33Z)

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。