論文の概要: Benchmarking Fish Dataset and Evaluation Metric in Keypoint Detection - Towards Precise Fish Morphological Assessment in Aquaculture Breeding
- arxiv url: http://arxiv.org/abs/2405.12476v1
- Date: Tue, 21 May 2024 03:36:13 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-22 14:28:21.078728
- Title: Benchmarking Fish Dataset and Evaluation Metric in Keypoint Detection - Towards Precise Fish Morphological Assessment in Aquaculture Breeding
- Title（参考訳）: キーポイント検出における魚のデータセットのベンチマークと評価基準-養殖養殖における精密魚の形態評価に向けて-
- Authors: Weizhen Liu, Jiayu Tan, Guangyu Lan, Ao Li, Dongye Li, Le Zhao, Xiaohui Yuan, Nanqing Dong,
- Abstract要約: 6種の魚種にまたがる高解像度画像23,331枚からなる包括的データセット「フィッシュフェノキー」を紹介した。
FishPhenoKeyには22の表現型指向アノテーションが含まれており、複雑な形態的表現型をキャプチャすることができる。
また,新しい評価指標として,測定値のパーセンテージ(percentage of Measured Phenotype)を提案する。
- 参考スコア（独自算出の注目度）: 6.332060647845203
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurate phenotypic analysis in aquaculture breeding necessitates the quantification of subtle morphological phenotypes. Existing datasets suffer from limitations such as small scale, limited species coverage, and inadequate annotation of keypoints for measuring refined and complex morphological phenotypes of fish body parts. To address this gap, we introduce FishPhenoKey, a comprehensive dataset comprising 23,331 high-resolution images spanning six fish species. Notably, FishPhenoKey includes 22 phenotype-oriented annotations, enabling the capture of intricate morphological phenotypes. Motivated by the nuanced evaluation of these subtle morphologies, we also propose a new evaluation metric, Percentage of Measured Phenotype (PMP). It is designed to assess the accuracy of individual keypoint positions and is highly sensitive to the phenotypes measured using the corresponding keypoints. To enhance keypoint detection accuracy, we further propose a novel loss, Anatomically-Calibrated Regularization (ACR), that can be integrated into keypoint detection models, leveraging biological insights to refine keypoint localization. Our contributions set a new benchmark in fish phenotype analysis, addressing the challenges of precise morphological quantification and opening new avenues for research in sustainable aquaculture and genetic studies. Our dataset and code are available at https://github.com/WeizhenLiuBioinform/Fish-Phenotype-Detect.
- Abstract（参考訳）: 養殖養殖における正確な表現型解析は微妙な形態的表現型の定量化を必要とする。
既存のデータセットは、小さなスケール、限られた種の範囲、魚の体の部分の洗練された複雑な形態的表現型を測定するためのキーポイントの十分なアノテーションといった制限に悩まされている。
このギャップに対処するため、6種の魚種にまたがる23,331の高解像度画像からなる包括的データセットであるFishPhenoKeyを紹介した。
特に、FishPhenoKeyには22の表現型指向アノテーションが含まれており、複雑な形態的表現型をキャプチャすることができる。
また,これらの微妙な形態の微妙な評価により,新しい評価指標であるPMP(Percentage of Measured Phenotype)を提案する。
個々のキーポイント位置の精度を評価するように設計されており、対応するキーポイントを用いて測定された表現型に非常に敏感である。
キーポイント検出精度を向上させるために,キーポイント検出モデルに統合し,生物学的洞察を活用してキーポイントの局所化を洗練できる新しい損失,解剖学的校正正規化(ACR)を提案する。
本研究は,魚の表現型分析における新たな指標を定め,形態的定量化の課題に対処し,持続可能な養殖と遺伝研究のための新たな道を開いた。
データセットとコードはhttps://github.com/WeizhenLiuBioinform/Fish-Phenotype-Detect.comから入手可能です。
関連論文リスト
- NovoBench: Benchmarking Deep Learning-based De Novo Peptide Sequencing Methods in Proteomics [58.03989832372747]
Emphde novoペプチドシークエンシングのための初となるNovoBenchベンチマークを報告する。
多様な質量スペクトルデータ、統合モデル、総合的な評価指標から構成される。
DeepNovo、PointNovo、Casanovo、InstaNovo、AdaNovo、$pi$-HelixNovoといった最近の手法が私たちのフレームワークに統合されています。
論文 参考訳（メタデータ） (2024-06-16T08:23:21Z) - Seeing Unseen: Discover Novel Biomedical Concepts via
Geometry-Constrained Probabilistic Modeling [53.7117640028211]
同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。
構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。
スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
論文 参考訳（メタデータ） (2024-03-02T00:56:05Z) - Lincoln's Annotated Spatio-Temporal Strawberry Dataset (LAST-Straw) [7.13465721388535]
そこで本研究では,イチゴの3次元点群を2種類に分類し,84個の点群を集計した。
我々は、データセット上で表現型パイプラインを示すために、このようなツール(生物学的に関連のある表現型の抽出)のエンドユースに焦点を当てる。
これは、セグメンテーション、骨格化、追跡を含むステップで構成され、各ステージがどのように異なる表現型の抽出やデータインサイトの提供を促進するかを詳述する。
論文 参考訳（メタデータ） (2024-03-01T14:44:05Z) - Prawn Morphometrics and Weight Estimation from Images using Deep
Learning for Landmark Localization [2.778518997767646]
我々は,黒トラエビ(Penaeus monodon)をモデル甲殻類として,体重推定と形態計測を自動化するための新しい手法を開発した。
形態計測解析では,検出されたランドマークを用いて5つの重要なエビ形質を抽出した。
実験の結果,新しいDL手法は,精度,堅牢性,効率の点で,既存のDL手法よりも優れていることがわかった。
論文 参考訳（メタデータ） (2023-07-15T07:05:06Z) - Phylogeny-informed fitness estimation [58.720142291102135]
本研究では, 住民の健康評価を推定するために, フィロジェニーを利用した適合度推定手法を提案する。
以上の結果から, 植物性インフォームドフィットネス推定は, ダウンサンプドレキシケースの欠点を軽減することが示唆された。
この研究は、ランタイム系統解析を利用して進化アルゴリズムを改善するための最初のステップとなる。
論文 参考訳（メタデータ） (2023-06-06T19:05:01Z) - Semantic Image Segmentation with Deep Learning for Vine Leaf Phenotyping [59.0626764544669]
本研究では,ブドウの葉のイメージを意味的にセグメント化するためにDeep Learning法を用いて,葉の表現型自動検出システムを開発した。
私たちの研究は、成長や開発のような動的な特性を捉え定量化できる植物ライフサイクルのモニタリングに寄与します。
論文 参考訳（メタデータ） (2022-10-24T14:37:09Z) - Visual Microfossil Identificationvia Deep Metric Learning [1.3199511198128897]
顕微鏡画像上での板状孔殻の分類に計量学習を適用した。
表現型プランクティック・フォアミニファー空間を初めて科学的に可視化する。
この領域では、メトリクス学習がCNNベースの最先端ベンチマークを全て上回ることを示す。
論文 参考訳（メタデータ） (2021-12-17T13:00:37Z) - G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for
Biomarker Identification and Disease Classification [49.53651166356737]
診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。
2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
論文 参考訳（メタデータ） (2021-01-27T19:28:04Z) - Deep Low-Shot Learning for Biological Image Classification and
Visualization from Limited Training Samples [52.549928980694695]
In situ hybridization (ISH) gene expression pattern image from the same developmental stage。
正確な段階のトレーニングデータをラベル付けするのは、生物学者にとっても非常に時間がかかる。
限られた訓練画像を用いてISH画像を正確に分類する2段階の低ショット学習フレームワークを提案する。
論文 参考訳（メタデータ） (2020-10-20T06:06:06Z) - Mycorrhiza: Genotype Assignment usingPhylogenetic Networks [2.286041284499166]
遺伝子型代入問題に対する機械学習手法であるMycorrhizaを紹介する。
提案アルゴリズムは系統ネットワークを用いて,標本間の進化的関係を符号化する特徴を設計する。
Mycorrhizaは、大きな平均固定指数(FST)を持つデータセットやハーディ・ワインバーグ平衡からの偏差で特に顕著な利得を得る。
論文 参考訳（メタデータ） (2020-10-14T02:36:27Z) - A Realistic Fish-Habitat Dataset to Evaluate Algorithms for Underwater
Visual Analysis [2.6476746128312194]
我々は、DeepFishを大規模データセットでベンチマークスイートとして提示し、いくつかのコンピュータビジョンタスクのためのメソッドをトレーニングし、テストする。
このデータセットは、熱帯オーストラリアの海洋環境にある20の温帯生物から採取された約4万枚の画像で構成されている。
実験では,データセットの特徴を詳細に分析し,いくつかの最先端手法の性能評価を行った。
論文 参考訳（メタデータ） (2020-08-28T12:20:59Z)
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。