論文の概要: Deep Learning-based Detection of Bacterial Swarm Motion Using a Single Image

• arxiv url: http://arxiv.org/abs/2410.15229v1
• Date: Sat, 19 Oct 2024 22:36:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-22 13:19:23.197906
• Title: Deep Learning-based Detection of Bacterial Swarm Motion Using a Single Image
• Title（参考訳）: 深層学習に基づく単一画像を用いた細菌群運動の検出
• Authors: Yuzhu Li, Hao Li, Weijie Chen, Keelan O'Riordan, Neha Mani, Yuxuan Qi, Tairan Liu, Sridhar Mani, Aydogan Ozcan,
• Abstract要約: スワーミング能力を示す細菌は、しばしば感染症の病原性に不可欠な特徴を持っている。 本稿では,1つのぼやけた画像を用いて,スワーミング確率を迅速かつ自律的に予測する深層学習に基づくスワーミング分類器について報告する。 この適応により、細菌の群れ運動の迅速かつ客観的なオンサイトスクリーニングが促進され、様々な疾患の早期発見と治療評価が促進される可能性がある。
• 参考スコア（独自算出の注目度）: 7.756538154739873
• License:
• Abstract: Distinguishing between swarming and swimming, the two principal forms of bacterial movement, holds significant conceptual and clinical relevance. This is because bacteria that exhibit swarming capabilities often possess unique properties crucial to the pathogenesis of infectious diseases and may also have therapeutic potential. Here, we report a deep learning-based swarming classifier that rapidly and autonomously predicts swarming probability using a single blurry image. Compared with traditional video-based, manually-processed approaches, our method is particularly suited for high-throughput environments and provides objective, quantitative assessments of swarming probability. The swarming classifier demonstrated in our work was trained on Enterobacter sp. SM3 and showed good performance when blindly tested on new swarming (positive) and swimming (negative) test images of SM3, achieving a sensitivity of 97.44% and a specificity of 100%. Furthermore, this classifier demonstrated robust external generalization capabilities when applied to unseen bacterial species, such as Serratia marcescens DB10 and Citrobacter koseri H6. It blindly achieved a sensitivity of 97.92% and a specificity of 96.77% for DB10, and a sensitivity of 100% and a specificity of 97.22% for H6. This competitive performance indicates the potential to adapt our approach for diagnostic applications through portable devices or even smartphones. This adaptation would facilitate rapid, objective, on-site screening for bacterial swarming motility, potentially enhancing the early detection and treatment assessment of various diseases, including inflammatory bowel diseases (IBD) and urinary tract infections (UTI).
• Abstract（参考訳）: スワーミングと水泳の区別は、細菌運動の2つの主要な形態であり、重要な概念的および臨床的関連性を持っている。 これは、スワーミング能力を示す細菌は、しばしば感染症の病原性に不可欠な特異な性質を持ち、また治療の可能性もあるためである。 本稿では,1つのぼやけた画像を用いて,スワーミング確率を迅速かつ自律的に予測する深層学習に基づくスワーミング分類器について報告する。 従来のビデオベースの手作業による手法と比較して,本手法は特に高スループット環境に適しており,スワーミング確率の客観的,定量的評価を提供する。 本研究で得られたスワーミング分類器はEnterobacter sp。 SM3は、新しいスワーミング(陽性)と水泳(陰性)のテスト画像で盲目的にテストし、感度は97.44%、特異度は100%に向上した。 さらに,Serratia marcescens DB10やCitrobacter koseri H6など未確認の細菌種に適用すると,堅牢な外部一般化能を示した。 感度は97.92%、特異性は96.77%、感度は100%、特異性は97.22%であった。 この競合性能は、ポータブルデバイスやスマートフォンによる診断アプリケーションに私たちのアプローチを適用する可能性を示している。 この適応により、細菌群集運動の迅速かつ客観的なオンサイトスクリーニングが促進され、炎症性腸疾患(IBD)や尿路感染症(UTI)など様々な疾患の早期発見および治療評価が促進される可能性がある。

関連論文リスト

• Capsule Endoscopy Multi-classification via Gated Attention and Wavelet Transformations [1.5146068448101746]
  消化管の異常は患者の健康に大きく影響を与え、タイムリーな診断が必要である。 この研究は、ビデオフレームから消化管の異常を分類するために設計された新しいモデルの開発と評価のプロセスを示す。 Omni次元のGated Attention(OGA)機構とWavelet変換技術をモデルアーキテクチャに統合することで、モデルは最も重要な領域に集中することができた。 このモデルの性能は、VGG16とResNet50の2つのベースモデルに対してベンチマークされ、胃腸の異常範囲を正確に識別し分類する能力の強化が示されている。
  論文  参考訳（メタデータ） (2024-10-25T08:01:35Z)
• Enhancing Diagnostic Reliability of Foundation Model with Uncertainty Estimation in OCT Images [41.002573031087856]
  光コヒーレンストモグラフィー(OCT)における11個の網膜状態を検出するために,不確実性推定(FMUE)を用いた基礎モデルを開発した。 FMUEは2つの最先端アルゴリズムであるRETFoundとUIOSよりも96.76%高いF1スコアを獲得し、しきい値戦略を98.44%に改善した。 我々のモデルは、F1スコアが高い2人の眼科医(95.17%対61.93% &71.72%)より優れている。
  論文  参考訳（メタデータ） (2024-06-18T03:04:52Z)
• Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
  近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。 そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
  論文  参考訳（メタデータ） (2024-04-26T16:39:50Z)
• Optimizing Skin Lesion Classification via Multimodal Data and Auxiliary Task Integration [54.76511683427566]
  本研究は, スマートフォンで撮影した画像と本質的な臨床および人口統計情報を統合することで, 皮膚病変を分類する新しいマルチモーダル手法を提案する。 この手法の特徴は、超高解像度画像予測に焦点を当てた補助的なタスクの統合である。 PAD-UFES20データセットを用いて,様々なディープラーニングアーキテクチャを用いて実験を行った。
  論文  参考訳（メタデータ） (2024-02-16T05:16:20Z)
• Your blush gives you away: detecting hidden mental states with remote photoplethysmography and thermal imaging [5.604613879541013]
  本研究では,rモードと熱画像を統合し,予測性能を向上させることでギャップを埋めることを目的とする。 rのみを用いて, 認知的ストレスは77%, 道徳的高揚は61%であった。 これらのモダリティの早期融合戦略は精度を著しく改善し、認知的ストレス87%、道徳的上昇83%をRFを用いて達成した。
  論文  参考訳（メタデータ） (2024-01-17T11:38:21Z)
• Diagnosis of Helicobacter pylori using AutoEncoders for the Detection of Anomalous Staining Patterns in Immunohistochemistry Images [0.0]
  ヘリコバクター・ピロリ(Helicobacter pylori)は、1994年にヒトに1型発癌菌として分類された細菌である。 本稿では, 画像染色の異常としてH. pyloriを検出するために, オートエンコーダを用いた健康組織の潜伏パターンの学習を提案する。 特に,本モデルでは,H. pyloriの検出において,感度86%,特異度96%,AUC0.97と総合91%の精度を示した。
  論文  参考訳（メタデータ） (2023-09-27T22:19:15Z)
• Neural Network-Based Histologic Remission Prediction In Ulcerative Colitis [38.150634108667774]
  潰瘍性大腸炎(UC)の新しい治療標的としての組織学的寛解 内視鏡(Endocytoscopy、EC)は、新しい超高倍率内視鏡技術である。 本稿では,心電図の組織学的疾患活動を評価するニューラルネットワークモデルを提案する。
  論文  参考訳（メタデータ） (2023-08-28T15:54:14Z)
• Joint Application of the Target Trial Causal Framework and Machine Learning Modeling to Optimize Antibiotic Therapy: Use Case on Acute Bacterial Skin and Skin Structure Infections due to Methicillin-resistant Staphylococcus aureus [5.611469725376418]
  メチシリン耐性黄色ブドウ球菌(MRSA)による急性細菌性皮膚・皮膚構造感染症(ABSSSI)の死亡予測とITE推定の機械学習モデルを開発した。 まず、確率スコアマッチングを用いて臨床試験をエミュレートし、ランダム化された治療データセット(バンコマイシンと他の抗生物質)を作成します。 次に、このデータを用いて様々な機械学習手法(強化/LASSOロジスティック回帰、サポートベクターマシン、ランダムフォレストなど)を訓練し、ブートストラップ検証により受信特性(AUC)の下の領域で最適なモデルを選択する。
  論文  参考訳（メタデータ） (2022-07-15T13:08:15Z)
• Texture Characterization of Histopathologic Images Using Ecological Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
  本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。 2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
  論文  参考訳（メタデータ） (2022-02-27T02:19:09Z)
• Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
  パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。 本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-06T09:02:30Z)
• Early-detection and classification of live bacteria using time-lapse coherent imaging and deep learning [0.5374144381476773]
  計算生菌検出システムは、60mmの寒天板内の細菌成長のコヒーレント顕微鏡画像を定期的にキャプチャする。 システムは、深層ニューラルネットワークを用いてこれらの時間経過ホログラムを分析し、細菌の成長を迅速に検出し、対応する種の分類を行う。
  論文  参考訳（メタデータ） (2020-01-29T05:39:23Z)

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。