論文の概要: Sequence Analysis Using the Bezier Curve
- arxiv url: http://arxiv.org/abs/2503.14574v1
- Date: Tue, 18 Mar 2025 15:40:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-20 15:22:00.761024
- Title: Sequence Analysis Using the Bezier Curve
- Title（参考訳）: Bezier曲線を用いたシーケンス解析
- Authors: Taslim Murad, Sarwan Ali, Murray Patterson,
- Abstract要約: 本稿では,B'ezier曲線を要素マッピングに用いた新しい画像変換手法を提案する。
要素を曲線にマッピングすると、各画像のシーケンス情報表現が強化される。
- 参考スコア（独自算出の注目度）: 3.9052860539161918
- License:
- Abstract: The analysis of sequences (e.g., protein, DNA, and SMILES string) is essential for disease diagnosis, biomaterial engineering, genetic engineering, and drug discovery domains. Conventional analytical methods focus on transforming sequences into numerical representations for applying machine learning/deep learning-based sequence characterization. However, their efficacy is constrained by the intrinsic nature of deep learning (DL) models, which tend to exhibit suboptimal performance when applied to tabular data. An alternative group of methodologies endeavors to convert biological sequences into image forms by applying the concept of Chaos Game Representation (CGR). However, a noteworthy drawback of these methods lies in their tendency to map individual elements of the sequence onto a relatively small subset of designated pixels within the generated image. The resulting sparse image representation may not adequately encapsulate the comprehensive sequence information, potentially resulting in suboptimal predictions. In this study, we introduce a novel approach to transform sequences into images using the B\'ezier curve concept for element mapping. Mapping the elements onto a curve enhances the sequence information representation in the respective images, hence yielding better DL-based classification performance. We employed different sequence datasets to validate our system by using different classification tasks, and the results illustrate that our B\'ezier curve method is able to achieve good performance for all the tasks.
- Abstract（参考訳）: 疾患診断、バイオマテリアル工学、遺伝子工学、薬物発見領域において、配列(例えば、タンパク質、DNA、SMILES文字列)の解析は不可欠である。
従来の解析手法は、機械学習/深層学習に基づくシーケンスのキャラクタリゼーションを適用するために、シーケンスを数値表現に変換することに重点を置いている。
しかし,それらの有効性は,表層データに適用した場合に最適な性能を示す傾向がある深層学習(DL)モデルの本質的な性質に制約されている。
Chaos Game Representation (CGR) の概念を適用して、生物学的配列を画像形式に変換する手法の代替グループである。
しかし、これらの手法の顕著な欠点は、シーケンスの個々の要素を生成された画像内の指定されたピクセルの比較的小さな部分集合にマッピングする傾向にある。
結果として得られるスパース画像表現は、包括的シーケンス情報を適切にカプセル化することができず、潜在的に最適以下の予測をもたらす可能性がある。
本研究では,B'ezier曲線を要素マッピングに用いた新しい画像変換手法を提案する。
要素を曲線にマッピングすると、各画像のシーケンス情報表現が向上し、DLベースの分類性能が向上する。
その結果,B'ezier曲線法が全てのタスクに対して優れた性能を達成できることが示唆された。
関連論文リスト
- Hilbert Curve Based Molecular Sequence Analysis [2.949890760187898]
ヒベルト曲線に基づくカオスゲーム表現法(CGR)を提案する。
この方法は、分子配列からヒルベルト曲線に基づく画像表現を構築するのに使用される新しいAlphabetic index mapping技術を含む変換関数である。
肺がんデータセット上でCNNモデルを用いて試験した場合,94.5$%,F1スコアが9,3.9%と高い精度を達成し,現在最先端の手法を上回り,有望な結果を示す。
論文 参考訳（メタデータ） (2024-12-29T23:26:43Z) - A Segmentation Method for fluorescence images without a machine learning
approach [0.0]
本研究では,細胞と核を同定するための決定論的計算神経科学アプローチについて述べる。
この方法は、正式に正しい関数に基づいて堅牢であり、特定のデータセットのチューニングに支障を来さない。
論文 参考訳（メタデータ） (2022-12-28T16:47:05Z) - Analysis of convolutional neural network image classifiers in a
rotationally symmetric model [4.56877715768796]
最適誤分類リスクに対する推定の誤分類リスクの収束率を分析する。
畳み込みニューラルネットワークに基づく最小二乗プラグイン分類器は、二元画像分類における次元性の呪いを回避できることが示されている。
論文 参考訳（メタデータ） (2022-05-11T13:43:13Z) - Learning Hierarchical Graph Representation for Image Manipulation
Detection [50.04902159383709]
画像操作検出の目的は、画像内の操作された領域を特定し、特定することである。
最近のアプローチでは、画像に残っている改ざんするアーティファクトをキャプチャするために、洗練された畳み込みニューラルネットワーク(CNN)が採用されている。
本稿では2つの並列分岐からなる階層型グラフ畳み込みネットワーク(HGCN-Net)を提案する。
論文 参考訳（メタデータ） (2022-01-15T01:54:25Z) - Learning of Inter-Label Geometric Relationships Using Self-Supervised
Learning: Application To Gleason Grade Segmentation [4.898744396854313]
そこで本研究では,PCaの病理組織像に対して,異なる疾患ラベル間の幾何学的関係を学習して合成する方法を提案する。
我々はGleasonスコアを用いた弱教師付きセグメンテーション手法を用いて、疾患領域をセグメンテーションする。
得られたセグメンテーションマップは、行方不明のマスクセグメントを予測するためにShaRe-Net(ShaRe-Net)をトレーニングするために使用される。
論文 参考訳（メタデータ） (2021-10-01T13:47:07Z) - Ensembling with Deep Generative Views [72.70801582346344]
生成モデルは、色やポーズの変化などの現実世界の変動を模倣する人工画像の「ビュー」を合成することができる。
そこで本研究では, 画像分類などの下流解析作業において, 実画像に適用できるかどうかを検討する。
StyleGAN2を再生増強の源として使用し、顔の属性、猫の顔、車を含む分類タスクについてこの設定を調査します。
論文 参考訳（メタデータ） (2021-04-29T17:58:35Z) - Spatial-spectral Hyperspectral Image Classification via Multiple Random
Anchor Graphs Ensemble Learning [88.60285937702304]
本稿では,複数のランダムアンカーグラフアンサンブル学習(RAGE)を用いた空間スペクトルHSI分類手法を提案する。
まず、各選択されたバンドのより記述的な特徴を抽出し、局所的な構造と領域の微妙な変化を保存するローカルバイナリパターンを採用する。
次に,アンカーグラフの構成に適応隣接代入を導入し,計算複雑性を低減した。
論文 参考訳（メタデータ） (2021-03-25T09:31:41Z) - Graph Neural Networks for UnsupervisedDomain Adaptation of
Histopathological ImageAnalytics [22.04114134677181]
組織像解析のための教師なし領域適応のための新しい手法を提案する。
特徴空間に画像を埋め込むバックボーンと、ラベルで画像の監視信号をプロパゲートするグラフニューラルネットワーク層に基づいている。
実験では、4つの公開データセット上での最先端のパフォーマンスを評価する。
論文 参考訳（メタデータ） (2020-08-21T04:53:44Z) - Improved Slice-wise Tumour Detection in Brain MRIs by Computing
Dissimilarities between Latent Representations [68.8204255655161]
磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。
本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。
本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
論文 参考訳（メタデータ） (2020-07-24T14:02:09Z) - Self-Supervised Tuning for Few-Shot Segmentation [82.32143982269892]
Few-shotのセグメンテーションは、アノテートされたサンプルがほとんどない各画像ピクセルにカテゴリラベルを割り当てることを目的としている。
既存のメタラーニング手法では, 画像から抽出した視覚的特徴を埋め込み空間に埋め込むと, カテゴリー別識別記述子の生成に失敗する傾向にある。
本稿では,複数のエピソードにまたがる潜在特徴の分布を,自己分割方式に基づいて動的に調整する適応型フレームワークチューニングを提案する。
論文 参考訳（メタデータ） (2020-04-12T03:53:53Z) - Pathological Retinal Region Segmentation From OCT Images Using Geometric
Relation Based Augmentation [84.7571086566595]
本稿では,幾何学と形状の内在的関係を共同で符号化することで,従来のGANベースの医用画像合成法よりも優れた手法を提案する。
提案手法は,取得手順の異なる画像を有する公開RETOUCHデータセット上で,最先端のセグメンテーション手法より優れている。
論文 参考訳（メタデータ） (2020-03-31T11:50:43Z)
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。