論文の概要: Self-Calibrated Dual Contrasting for Annotation-Efficient Bacteria Raman Spectroscopy Clustering and Classification

• arxiv url: http://arxiv.org/abs/2412.20060v1
• Date: Sat, 28 Dec 2024 07:27:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-31 16:01:49.132558
• Title: Self-Calibrated Dual Contrasting for Annotation-Efficient Bacteria Raman Spectroscopy Clustering and Classification
• Title（参考訳）: アノテーション有効細菌ラマン分光クラスタリングと分類のための自己校正デュアルコントラスト法
• Authors: Haiming Yao, Wei Luo, Tao Zhou, Ang Gao, Xue Wang,
• Abstract要約: 本稿では,Ramanスペクトル認識のためのアノテーション効率の良い自己校正デュアルコントラスト(SCDC)法を提案する。 我々のコアモチベーションは、2つの異なる部分空間における2つの異なる視点からのスペクトルを表現することである。 差別的表現を得るために,2つの視点から2つのコントラスト学習手法を実装した。
• 参考スコア（独自算出の注目度）: 11.586869210490628
• License:
• Abstract: Raman scattering is based on molecular vibration spectroscopy and provides a powerful technology for pathogenic bacteria diagnosis using the unique molecular fingerprint information of a substance. The integration of deep learning technology has significantly improved the efficiency and accuracy of intelligent Raman spectroscopy (RS) recognition. However, the current RS recognition methods based on deep neural networks still require the annotation of a large amount of spectral data, which is labor-intensive. This paper presents a novel annotation-efficient Self-Calibrated Dual Contrasting (SCDC) method for RS recognition that operates effectively with few or no annotation. Our core motivation is to represent the spectrum from two different perspectives in two distinct subspaces: embedding and category. The embedding perspective captures instance-level information, while the category perspective reflects category-level information. Accordingly, we have implemented a dual contrastive learning approach from two perspectives to obtain discriminative representations, which are applicable for Raman spectroscopy recognition under both unsupervised and semi-supervised learning conditions. Furthermore, a self-calibration mechanism is proposed to enhance robustness. Validation of the identification task on three large-scale bacterial Raman spectroscopy datasets demonstrates that our SCDC method achieves robust recognition performance with very few (5$\%$ or 10$\%$) or no annotations, highlighting the potential of the proposed method for biospectral identification in annotation-efficient clinical scenarios.
• Abstract（参考訳）: ラマン散乱は分子振動分光に基づいており、物質の特異な分子指紋情報を用いて病原細菌の診断に強力な技術を提供する。 ディープラーニング技術の統合により、知的ラマン分光(RS)認識の効率と精度が大幅に向上した。 しかし、ディープニューラルネットワークに基づく現在のRS認識方法は、労働集約的な大量のスペクトルデータのアノテーションを必要とする。 本稿では,アノテーションをほとんどあるいは全く使用せずに効果的に動作するRS認識のための,アノテーション効率の良い自己校正デュアルコントラスト(SCDC)手法を提案する。 我々のコアモチベーションは、埋め込みと圏という2つの異なる部分空間における2つの異なる視点からのスペクトルを表現することである。 埋め込みパースペクティブはインスタンスレベルの情報をキャプチャし、カテゴリパースペクティブはカテゴリレベルの情報を反映する。 そこで本研究では,教師なし・半教師なしの学習条件下でのラマン分光認識に適用可能な識別的表現を得るために,二つの視点から二重コントラスト学習手法を実装した。 さらに、堅牢性を高めるために自己校正機構を提案する。 3つの大規模細菌ラマン分光データに対する同定タスクの検証により,SCDC法は非常に少ない (5$\%$または10$\%$) , あるいは無アノテーションで頑健な認識性能を達成できることが示され, アノテーション効率の良い臨床シナリオにおけるバイオスペクトル同定法の可能性が浮き彫りにされた。

関連論文リスト

• The Whole Pathological Slide Classification via Weakly Supervised Learning [7.313528558452559]
  細胞核疾患と病理タイルの空間的相関の2つの病因を考察した。 本研究では,抽出器訓練中の汚れ分離を利用したデータ拡張手法を提案する。 次に,隣接行列を用いてタイル間の空間的関係を記述する。 これら2つのビューを統合することで,H&E染色組織像を解析するためのマルチインスタンス・フレームワークを設計した。
  論文  参考訳（メタデータ） (2023-07-12T16:14:23Z)
• Rethinking Semi-Supervised Medical Image Segmentation: A Variance-Reduction Perspective [51.70661197256033]
  医用画像セグメンテーションのための階層化グループ理論を用いた半教師付きコントラスト学習フレームワークARCOを提案する。 まず、分散還元推定の概念を用いてARCOを構築することを提案し、特定の分散還元技術が画素/ボクセルレベルのセグメンテーションタスクにおいて特に有用であることを示す。 5つの2D/3D医療データセットと3つのセマンティックセグメンテーションデータセットのラベル設定が異なる8つのベンチマークで、我々のアプローチを実験的に検証する。
  論文  参考訳（メタデータ） (2023-02-03T13:50:25Z)
• Evaluation of the potential of Near Infrared Hyperspectral Imaging for monitoring the invasive brown marmorated stink bug [53.682955739083056]
  BMSB(Halyomorpha halys)は、数種の作物を害する世界的重要性の害虫である。 本研究は、BMSB検体を検出する技術として、NIR-HSI(Near Infrared Hyperspectral Imaging)を実験室レベルで予備評価する。
  論文  参考訳（メタデータ） (2023-01-19T11:37:20Z)
• SSD-KD: A Self-supervised Diverse Knowledge Distillation Method for Lightweight Skin Lesion Classification Using Dermoscopic Images [62.60956024215873]
  皮膚がんは最も一般的な悪性腫瘍の1つであり、人口に影響を与え、世界中で経済的な重荷を負っている。 皮膚がん検出のほとんどの研究は、ポータブルデバイス上での計算資源の制限を考慮せずに、高い予測精度を追求している。 本研究は,皮膚疾患分類のための汎用的なKDフレームワークに多様な知識を統一する,SSD-KDと呼ばれる新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-03-22T06:54:29Z)
• Multi-Modal Learning Using Physicians Diagnostics for Optical Coherence Tomography Classification [0.0]
  我々は,光学コヒーレンス・トモグラフィーの分析に専門家の診断と知見を取り入れたフレームワークを提案する。 OCTを用いた疾患分類を改善するために,医学診断属性データセットを作成する。
  論文  参考訳（メタデータ） (2022-03-20T18:37:20Z)
• A Novel CropdocNet for Automated Potato Late Blight Disease Detection from the Unmanned Aerial Vehicle-based Hyperspectral Imagery [3.3283767441645478]
  晩発病はジャガイモの作物で最も破壊的な病気の1つであり、世界中で深刻な収量減少につながっている。 作物病の診断における現在の農業慣行は、個人のバイアスを受けるコスト、時間のかかる手動の視覚検査に基づいている。 近年の撮像センサー(RGB、多重スペクトルカメラ、ハイパースペクトルカメラなど)、リモートセンシング、機械学習は、この課題に対処する機会を提供する。
  論文  参考訳（メタデータ） (2021-07-28T11:18:48Z)
• 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)
• Learning Binary Semantic Embedding for Histology Image Classification and Retrieval [56.34863511025423]
  バイナリ・セマンティック・エンベディング(LBSE)の学習方法を提案する。 効率的な埋め込み、分類、検索を行い、組織像の解釈可能なコンピュータ支援診断を提供する。 3つのベンチマークデータセットで実施された実験は、様々なシナリオにおいてLBSEの優位性を検証する。
  論文  参考訳（メタデータ） (2020-10-07T08:36:44Z)
• Spectral Analysis Network for Deep Representation Learning and Image Clustering [53.415803942270685]
  本稿ではスペクトル分析に基づく教師なし深層表現学習のための新しいネットワーク構造を提案する。 パッチレベルで画像間の局所的な類似性を識別できるため、閉塞に対してより堅牢である。 クラスタリングに親しみやすい表現を学習し、データサンプル間の深い相関を明らかにすることができる。
  論文  参考訳（メタデータ） (2020-09-11T05:07:15Z)
• A Comparative study of Artificial Neural Networks Using Reinforcement learning and Multidimensional Bayesian Classification Using Parzen Density Estimation for Identification of GC-EIMS Spectra of Partially Methylated Alditol Acetates [0.304585143845864]
  本研究では, 部分的にメチル化アルジトール酢酸塩 (PMAA) のガスクロマトグラフィー-電子衝突質量スペクトル (GC-EIMS) データベース用パターン認識検索エンジンの開発について報告する。 開発システムはワールドワイドウェブ上に実装されており、GC-EIMS機器に記録されたこれらの分子のスペクトルを用いてPMAAを識別することを目的としている。
  論文  参考訳（メタデータ） (2020-07-31T17:54:51Z)
• A Biologically Interpretable Two-stage Deep Neural Network (BIT-DNN) For Vegetation Recognition From Hyperspectral Imagery [3.708283803668841]
  本研究では,生物学的に解釈可能な2段階深層ニューラルネットワーク(BIT-DNN)を用いた新しい解釈可能な深層学習モデルを提案する。 提案モデルは、最先端の5つのディープラーニングモデルと比較されている。
  論文  参考訳（メタデータ） (2020-04-19T15:58:19Z)

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。