論文の概要: Machine Learning Applied to the Detection of Mycotoxin in Food: A Review
- arxiv url: http://arxiv.org/abs/2404.15387v1
- Date: Tue, 23 Apr 2024 14:13:31 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-25 15:32:54.026309
- Title: Machine Learning Applied to the Detection of Mycotoxin in Food: A Review
- Title（参考訳）: 食品中のマイコトキシン検出における機械学習の応用
- Authors: Alan Inglis, Andrew Parnell, Natarajan Subramani, Fiona Doohan,
- Abstract要約: マイコトキシンは世界の食料安全と公衆衛生に重大な脅威をもたらす。
従来のマイコトキシン検出のための実験室分析法は時間を要することがある。
機械学習(ML)法はマイコトキシンの検出に用いられるようになった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Mycotoxins, toxic secondary metabolites produced by certain fungi, pose significant threats to global food safety and public health. These compounds can contaminate a variety of crops, leading to economic losses and health risks to both humans and animals. Traditional lab analysis methods for mycotoxin detection can be time-consuming and may not always be suitable for large-scale screenings. However, in recent years, machine learning (ML) methods have gained popularity for use in the detection of mycotoxins and in the food safety industry in general, due to their accurate and timely predictions. We provide a systematic review on some of the recent ML applications for detecting/predicting the presence of mycotoxin on a variety of food ingredients, highlighting their advantages, challenges, and potential for future advancements. We address the need for reproducibility and transparency in ML research through open access to data and code. An observation from our findings is the frequent lack of detailed reporting on hyperparameters in many studies as well as a lack of open source code, which raises concerns about the reproducibility and optimisation of the ML models used. The findings reveal that while the majority of studies predominantly utilised neural networks for mycotoxin detection, there was a notable diversity in the types of neural network architectures employed, with convolutional neural networks being the most popular.
- Abstract（参考訳）: 特定の菌類によって産生される毒性二次代謝物であるマイコトキシンは、世界的な食品安全と公衆衛生に重大な脅威をもたらす。
これらの化合物は様々な作物を汚染し、経済的な損失と人間と動物の両方に健康リスクをもたらす。
従来のマイコトキシン検出法は時間がかかり、大規模なスクリーニングには必ずしも適していない。
しかし近年、機械学習(ML)手法は、その正確でタイムリーな予測のため、マイコトキシンの検出や食品安全産業全般での利用に人気を集めている。
各種食品成分にマイコトキシンが存在することを検出・予測するための最近のML応用の体系的なレビューを行い,その利点,課題,今後の進歩の可能性を明らかにする。
我々は、データやコードへのオープンアクセスを通じて、ML研究における再現性と透明性の必要性に対処する。
本研究から得られた知見は,多くの研究においてハイパーパラメータに関する詳細な報告の欠如と,オープンソースコードの欠如が頻繁であり,MLモデルの再現性と最適化に関する懸念を提起するものである。
研究の大半はマイコトキシン検出にニューラルネットワークを利用したが、ニューラルネットワークアーキテクチャのタイプには顕著な多様性があり、畳み込みニューラルネットワークが最も人気である。
関連論文リスト
- Variational and Explanatory Neural Networks for Encoding Cancer Profiles and Predicting Drug Responses [40.80133767939435]
既存のAIモデルは、転写学データのノイズと生物学的解釈性の欠如により、課題に直面している。
ノイズ効果を軽減するために変動成分を組み込んだ新しいニューラルネットワークフレームワークVETEを紹介する。
VETEは、AIによる予測と、がん研究における生物学的に意味のある洞察のギャップを埋める。
論文 参考訳（メタデータ） (2024-07-05T13:13:02Z) - Physical formula enhanced multi-task learning for pharmacokinetics prediction [54.13787789006417]
AIによる薬物発見の大きな課題は、高品質なデータの不足である。
薬物動態の4つの重要なパラメータを同時に予測するPEMAL法を開発した。
実験の結果,PEMALは一般的なグラフニューラルネットワークに比べてデータ需要を著しく低減することがわかった。
論文 参考訳（メタデータ） (2024-04-16T07:42:55Z) - Detoxifying Large Language Models via Knowledge Editing [57.0669577257301]
本稿では,Large Language Models (LLM) のデトックス化のための知識編集手法について検討する。
我々は、強力な攻撃プロンプトを持つ9つの安全でないカテゴリをカバーするベンチマーク、SafeEditを構築した。
いくつかの知識編集手法を用いて実験を行い、知識編集がLLMを解毒する可能性を示し、汎用性能に限られた影響を与えていることを示す。
論文 参考訳（メタデータ） (2024-03-21T15:18:30Z) - Censoring chemical data to mitigate dual use risk [0.0]
深層ニューラルネットワークを訓練するためのデータの有用性を保ちながら、データセットを選択的にノイズ付けするモデルに依存しない手法を提案する。
この結果から,選択的ノイズ付きデータセットは,制御付きラベルの予測におけるモデル分散とバイアスを誘導できることがわかった。
この研究は、よりセキュアで協調的なデータ共有の実践を可能にするための将来の研究の基盤として提案されている。
論文 参考訳（メタデータ） (2023-04-20T17:46:30Z) - Intelligent diagnostic scheme for lung cancer screening with Raman
spectra data by tensor network machine learning [10.813777115744362]
呼気中の揮発性有機化合物(VOC)のラマンスペクトルデータをスクリーニングすることにより,肺がん患者とそのステージを確実に予測するテンソルネットワーク(TN)-ML法を提案する。
高い確実性を持つサンプルの精度はほぼ100$%$である。
論文 参考訳（メタデータ） (2023-03-11T07:57:37Z) - ChemVise: Maximizing Out-of-Distribution Chemical Detection with the
Novel Application of Zero-Shot Learning [60.02503434201552]
本研究は,簡単な学習セットから複雑な露光の学習近似を提案する。
合成センサ応答に対するこのアプローチは, 分布外の化学分析物の検出を驚くほど改善することを示した。
論文 参考訳（メタデータ） (2023-02-09T20:19:57Z) - In Silico Prediction of Blood-Brain Barrier Permeability of Chemical
Compounds through Molecular Feature Modeling [0.0]
中枢神経系障害を治療する新薬の開発は、血液脳関門をまたぐ浸透効果の低下により、ユニークな課題を呈している。
本研究では,化学物質の特徴を解析するMLモデルを用いて,この問題を軽減することを目的とする。
論文 参考訳（メタデータ） (2022-08-18T19:59:44Z) - Label scarcity in biomedicine: Data-rich latent factor discovery
enhances phenotype prediction [102.23901690661916]
低次元の埋め込み空間は、健康指標、ライフスタイル、および人口動態の予測をデータスカース化するために、英国バイオバンクの人口データセットから導出することができる。
半超越的アプローチによるパフォーマンス向上は、おそらく様々な医学データサイエンス応用にとって重要な要素となるだろう。
論文 参考訳（メタデータ） (2021-10-12T16:25:50Z) - Integrating Expert ODEs into Neural ODEs: Pharmacology and Disease
Progression [71.7560927415706]
潜在ハイブリッドモデル(LHM)は、専門家が設計したODEのシステムと機械学習したNeural ODEを統合し、システムのダイナミクスを完全に記述する。
新型コロナウイルス患者のLHMと実世界の集中治療データについて検討した。
論文 参考訳（メタデータ） (2021-06-05T11:42:45Z) - Toxicity Detection in Drug Candidates using Simplified Molecular-Input
Line-Entry System [0.0]
新しい薬物候補の毒性の分析の必要性とそれを行うための要件は、科学者の考慮を求めています。
本稿では,Long short term memory (LSTM) に基づくモデルを構築するためのパラメータとして,SMILES(simple Molecular Input Line-Entry System)を提案する。
論文 参考訳（メタデータ） (2021-01-21T07:02:21Z) - 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)
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。