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
- 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) - PyRCA: A Library for Metric-based Root Cause Analysis [66.72542200701807]
PyRCAは、AIOps(AIOps)のためのRoot Cause Analysis(RCA)のオープンソースの機械学習ライブラリである。
複雑なメトリクス因果依存性を明らかにし、インシデントの根本原因を自動的に特定する、包括的なフレームワークを提供する。
論文 参考訳(メタデータ) (2023-06-20T09:55:10Z) - 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) - BioImageLoader: Easy Handling of Bioimage Datasets for Machine Learning [1.491109220586182]
BioImageLoader(BIL)は、機械学習アプリケーションのためのバイオイメージデータセットを処理するピソンライブラリである。
BILは、多数の多様なバイオイメージを統一インターフェースでラップして、画像拡張を容易に実行し、バッチロードしようとする。
論文 参考訳(メタデータ) (2023-03-02T13:35:15Z) - 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) - Growing the Simulation Ecosystem: Introducing Mesa Data to Provide
Transparent, Accessible and Extensible Data Pipelines for Simulation
Development [0.0]
Agent Based Modelコミュニティは、モデリング者が厳格なシミュレーションを開発するのを助けるために、リッチで多様なライブラリ、プラットフォーム、アプリケーションのエコシステムを持っています。
この堅牢で多様なエコシステムにもかかわらず、微生物コミュニティからグローバルエコシステムへの生活の複雑さは、再利用可能なコードを作る上で大きな課題をもたらしている。
この研究は、より包括的なエコシステムのビジョンを提供することによって、これらの課題を緩和するための新しいツールを提供することを目指している。
論文 参考訳(メタデータ) (2021-04-06T21:51:24Z) - 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。