論文の概要: Analysis of 3D Urticaceae Pollen Classification Using Deep Learning Models

• arxiv url: http://arxiv.org/abs/2503.07419v1
• Date: Mon, 10 Mar 2025 15:07:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-11 15:47:35.541972
• Title: Analysis of 3D Urticaceae Pollen Classification Using Deep Learning Models
• Title（参考訳）: 深層学習モデルを用いた3次元ウリ科花粉分類の解析
• Authors: Tijs Konijn, Imaan Bijl, Lu Cao, Fons Verbeek,
• Abstract要約: 本稿では,3次元画像のスタック全体を分類に利用し,異なるディープラーニングモデルを用いて分類性能を評価することを目的とする。 本論文で用いた3D画像データセットは,キク科,特にキク科のものである。 事前訓練されたResNet3Dモデルは最適な層選択と拡張エポックを使用して、98.3%のF1スコアで最高の性能を達成した。
• 参考スコア（独自算出の注目度）: 3.537011875169605
• License:
• Abstract: Due to the climate change, hay fever becomes a pressing healthcare problem with an increasing number of affected population, prolonged period of affect and severer symptoms. A precise pollen classification could help monitor the trend of allergic pollen in the air throughout the year and guide preventive strategies launched by municipalities. Most of the pollen classification works use 2D microscopy image or 2D projection derived from 3D image datasets. In this paper, we aim at using whole stack of 3D images for the classification and evaluating the classification performance with different deep learning models. The 3D image dataset used in this paper is from Urticaceae family, particularly the genera Urtica and Parietaria, which are morphologically similar yet differ significantly in allergenic potential. The pre-trained ResNet3D model, using optimal layer selection and extended epochs, achieved the best performance with an F1-score of 98.3%.
• Abstract（参考訳）: 気候変動により、干し草熱は健康上の問題となり、人口の増加、長期にわたる影響期間の延長、重篤な症状が生じる。 花粉の正確な分類は、年間を通じて空気中のアレルギー性花粉の傾向を監視し、自治体が立ち上げた予防戦略を導くのに役立つ。 花粉分類の作業の多くは、3D画像データセットから得られた2D顕微鏡画像または2Dプロジェクションを使用する。 本稿では,3次元画像のスタック全体を分類に利用し,異なるディープラーニングモデルを用いて分類性能を評価することを目的とする。 本論文で用いた3D画像データセットはウラタ科,特にウラタ科のもので,形態学的に類似しているがアレルゲン性には大きな違いがある。 事前訓練されたResNet3Dモデルは最適な層選択と拡張エポックを使用して、98.3%のF1スコアで最高の性能を達成した。

関連論文リスト

• Fruit Fly Classification (Diptera: Tephritidae) in Images, Applying Transfer Learning [8.700842317740943]
  本研究では,2種の果実ハエの自動分類のための移動学習モデルを開発した。 Inception-v3は、Anastrepha fraterculusとCeratitis capitataを分類するための効果的で複製可能なアプローチである。
  論文  参考訳（メタデータ） (2025-02-02T22:16:04Z)
• Data Augmentation through Background Removal for Apple Leaf Disease Classification Using the MobileNetV2 Model [0.0]
  本研究の目的は,実環境下での撮影画像におけるリンゴ葉病の分類性能に対するデータ拡張手法の効果を評価することである。 提案手法は植物病理データベース上で98.71%の分類精度を達成し, 約3%の改善, 最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2024-11-29T16:06:34Z)
• Label-efficient Contrastive Learning-based model for nuclei detection and classification in 3D Cardiovascular Immunofluorescent Images [0.8812173669205372]
  ディープラーニングベースの手法を訓練するには、大量のピクセル単位のアノテートデータが必要である。 本研究では,3次元免疫蛍光画像中の様々な種類の核を検出し,分類するためのラベル効率・コントラスト学習ベース(LECL)モデルを提案する。
  論文  参考訳（メタデータ） (2023-09-07T14:37:50Z)
• Stacking Ensemble Learning in Deep Domain Adaptation for Ophthalmic Image Classification [61.656149405657246]
  ドメイン適応は、十分なラベルデータを取得することが困難な画像分類タスクに有効である。 本稿では,3つのドメイン適応手法を拡張することで,アンサンブル学習を積み重ねるための新しい手法SELDAを提案する。 Age-Related Eye Disease Study (AREDS)ベンチマーク眼科データセットを用いた実験結果から,提案モデルの有効性が示された。
  論文  参考訳（メタデータ） (2022-09-27T14:19:00Z)
• Self-supervised learning for analysis of temporal and morphological drug effects in cancer cell imaging data [0.0]
  我々は、1M画像データセット上の畳み込みオートエンコーダをランダムな拡張とマルチクロップで訓練し、特徴抽出器として利用する。 我々は,31種類の薬物の時間的パターンをクラスタリングするために,距離に基づく分析と動的時間ゆらぎを用いた。 形態的特徴重要写像の平均値と地雷値について,トップ3分類精度を8%向上させた。
  論文  参考訳（メタデータ） (2022-03-07T14:48:13Z)
• Cross-Site Severity Assessment of COVID-19 from CT Images via Domain Adaptation [64.59521853145368]
  CT画像によるコロナウイルス病2019(COVID-19)の早期かつ正確な重症度評価は,集中治療単位のイベント推定に有効である。 ラベル付きデータを拡張し、分類モデルの一般化能力を向上させるためには、複数のサイトからデータを集約する必要がある。 この課題は、軽度の感染症と重度の感染症の集団不均衡、部位間のドメイン分布の相違、不均一な特徴の存在など、いくつかの課題に直面する。
  論文  参考訳（メタデータ） (2021-09-08T07:56:51Z)
• 3D Convolutional Neural Networks for Stalled Brain Capillary Detection [72.21315180830733]
  脳毛細血管の血流停止などの脳血管障害は、アルツハイマー病の認知機能低下と病態形成と関連している。 本稿では,3次元畳み込みニューラルネットワークを用いた脳画像中の毛細血管の自動検出のための深層学習に基づくアプローチについて述べる。 本手法は,他の手法よりも優れ,0.85マシューズ相関係数,85%感度,99.3%特異性を達成した。
  論文  参考訳（メタデータ） (2021-04-04T20:30:14Z)
• Automated Model Design and Benchmarking of 3D Deep Learning Models for COVID-19 Detection with Chest CT Scans [72.04652116817238]
  3D胸部CTスキャン分類のための3D DLモデルを自動的に検索するための差別化可能なニューラルネットワーク探索(DNAS)フレームワークを提案する。 また,我々のモデルのクラスアクティベーションマッピング(cam)技術を利用して,結果の解釈可能性を提供する。
  論文  参考訳（メタデータ） (2021-01-14T03:45:01Z)
• Revisiting 3D Context Modeling with Supervised Pre-training for Universal Lesion Detection in CT Slices [48.85784310158493]
  CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。 新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。 提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
  論文  参考訳（メタデータ） (2020-12-16T07:11:16Z)
• A Deep Learning Study on Osteosarcoma Detection from Histological Images [6.341765152919201]
  最も一般的な悪性骨腫瘍は骨肉腫である。 CNNは、外科医の作業量を著しく減らし、患者の状態の予後を良くする。 CNNは、より信頼できるパフォーマンスを達成するために、大量のデータをトレーニングする必要があります。
  論文  参考訳（メタデータ） (2020-11-02T18:16:17Z)
• Classification of COVID-19 in CT Scans using Multi-Source Transfer Learning [91.3755431537592]
  我々は,従来のトランスファー学習の改良にマルチソース・トランスファー・ラーニングを応用して,CTスキャンによる新型コロナウイルスの分類を提案する。 マルチソースファインチューニングアプローチでは、ImageNetで微調整されたベースラインモデルよりも優れています。 我々の最高のパフォーマンスモデルは、0.893の精度と0.897のリコールスコアを達成でき、ベースラインのリコールスコアを9.3%上回った。
  論文  参考訳（メタデータ） (2020-09-22T11:53:06Z)

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。