論文の概要: Drug classification based on X-ray spectroscopy combined with machine learning

• arxiv url: http://arxiv.org/abs/2505.01986v1
• Date: Sun, 04 May 2025 04:49:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-06 18:49:35.36662
• Title: Drug classification based on X-ray spectroscopy combined with machine learning
• Title（参考訳）: X線分光法と機械学習を組み合わせた薬物分類
• Authors: Yongming Li, Peng Wang, Bangdong Han,
• Abstract要約: X線吸収分光法は、操作の容易さ、透過性観察、強い物質分化能力などの利点を提供する。 本研究では、畳み込みニューラルネットワーク(CNN)、サポートベクトルマシン(SVM)、パーティクルスワーム最適化(PSO)を用いた分類モデルを構築した。 実験の結果、このモデルは他の2つの一般的な手法と比較して高い分類精度を達成し、予測精度は99.14%であった。
• 参考スコア（独自算出の注目度）: 11.985793625437546
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The proliferation of new types of drugs necessitates the urgent development of faster and more accurate detection methods. Traditional detection methods have high requirements for instruments and environments, making the operation complex. X-ray absorption spectroscopy, a non-destructive detection technique, offers advantages such as ease of operation, penetrative observation, and strong substance differentiation capabilities, making it well-suited for application in the field of drug detection and identification. In this study, we constructed a classification model using Convolutional Neural Networks (CNN), Support Vector Machines (SVM), and Particle Swarm Optimization (PSO) to classify and identify drugs based on their X-ray spectral profiles. In the experiments, we selected 14 chemical reagents with chemical formulas similar to drugs as samples. We utilized CNN to extract features from the spectral data of these 14 chemical reagents and used the extracted features to train an SVM model. We also utilized PSO to optimize two critical initial parameters of the SVM. The experimental results demonstrate that this model achieved higher classification accuracy compared to two other common methods, with a prediction accuracy of 99.14%. Additionally, the model exhibited fast execution speed, mitigating the drawback of a drastic increase in running time and efficiency reduction that may result from the direct fusion of PSO and SVM. Therefore, the combined approach of X-ray absorption spectroscopy with CNN, PSO, and SVM provides a rapid, highly accurate, and reliable classification and identification method for the field of drug detection, holding promising prospects for widespread application.
• Abstract（参考訳）: 新しいタイプの薬物の増殖は、迅速で正確な検出方法の緊急開発を必要とする。 従来の検出方法は機器や環境に高い要求を課し、操作を複雑にしている。 非破壊的検出技術であるX線吸収分光法は、操作の容易さ、透過性観察、強い物質分化能力などの利点を提供し、薬物検出と識別の分野への応用に適している。 本研究では,CNN(Convolutional Neural Networks),SVM(Support Vector Machines),PSO(Particle Swarm Optimization)を用いた分類モデルを構築し,X線スペクトルに基づく薬物の分類と同定を行った。 実験では,14種類の化学試薬を試料として選択した。 CNNを用いて14種類のケミカル試薬のスペクトルデータから特徴を抽出し,抽出した特徴を用いてSVMモデルを訓練した。 また、PSOを利用してSVMの2つの重要な初期パラメータを最適化した。 実験の結果、このモデルは他の2つの一般的な手法と比較して高い分類精度を達成し、予測精度は99.14%であった。 さらに,PSOとSVMの直接融合による実行時間の大幅な増加と効率の低下を緩和し,高速な実行速度を示した。 そのため、CNN、PSO、SVMとX線吸収分光法の組み合わせにより、薬物検出分野の迅速かつ高精度で信頼性の高い分類と同定法が提供され、広く応用される見込みがある。

関連論文リスト

• Demonstration of an AI-driven workflow for dynamic x-ray spectroscopy [1.0046337269532102]
  X線吸収近傍構造(XANES)分光法は、材料中の個々の元素の化学状態と対称性を特徴づける強力な技術である。 適応サンプリング法は分光データを効率的に収集するために存在するが、XANESスペクトル構造に関するドメイン固有の知識を欠いていることが多い。 本稿では,適応型XANESデータ収集のための知識注入型ベイズ最適化手法を示す。
  論文  参考訳（メタデータ） (2025-04-23T22:32:42Z)
• Simulating near-infrared spectroscopy on a quantum computer for enhanced chemical detection [0.0]
  近赤外分光法(英: Near-infrared spectroscopy、NIR)は、化学濃度を測定するための非侵襲的、低コスト、試薬無し、迅速技術である。 量子コンピュータ上でのNIRスペクトルのシミュレーション手法を提案する。
  論文  参考訳（メタデータ） (2025-04-14T18:02:48Z)
• A Robust Support Vector Machine Approach for Raman COVID-19 Data Classification [0.7864304771129751]
  本稿では,ラマン分光法から得られた新型コロナウイルスの分類における,SVM(Support Vector Machine)のための新しいロバストな定式化の性能について検討する。 我々は、各観測の周囲の有界な不確実性集合を用いて、決定論的定式化の頑健な相反するモデルを導出する。 本手法の有効性は,イタリアの病院が提供した実世界のCOVID-19データセットで検証されている。
  論文  参考訳（メタデータ） (2025-01-29T14:02:45Z)
• Accelerating Drug Safety Assessment using Bidirectional-LSTM for SMILES Data [0.0]
  Bi-Directional Long Short Term Memory (BiLSTM) は、入力分子配列を処理するリカレントニューラルネットワーク(RNN)の変種である。 提案した研究は、SMILES文字列にコードされたシーケンシャルパターンを理解することを目的としており、それによって分子の毒性を予測する。
  論文  参考訳（メタデータ） (2024-07-08T18:12:11Z)
• Regressor-free Molecule Generation to Support Drug Response Prediction [83.25894107956735]
  目標IC50スコアに基づく条件生成により、より効率的なサンプリングスペースを得ることができる。 回帰自由誘導は、拡散モデルのスコア推定と、数値ラベルに基づく回帰制御モデルの勾配を結合する。
  論文  参考訳（メタデータ） (2024-05-23T13:22:17Z)
• Optimizing OOD Detection in Molecular Graphs: A Novel Approach with Diffusion Models [71.39421638547164]
  本稿では,入力分子と再構成グラフの類似性を比較する補助拡散モデルに基づくフレームワークを用いてOOD分子を検出することを提案する。 IDトレーニングサンプルの再構成に向けた生成バイアスのため、OOD分子の類似度スコアは検出を容易にするためにはるかに低い。 本研究は,PGR-MOOD(PGR-MOOD)とよばれる分子OOD検出のためのプロトタイプグラフ再構成のアプローチを開拓し,3つのイノベーションを生かした。
  論文  参考訳（メタデータ） (2024-04-24T03:25:53Z)
• Machine Learning Small Molecule Properties in Drug Discovery [44.62264781248437]
  我々は, 結合親和性, 溶解性, ADMET (吸収, 分布, 代謝, 排出, 毒性) を含む幅広い特性について検討する。 化学指紋やグラフベースニューラルネットワークなど,既存の一般的な記述子や埋め込みについて論じる。 最後に、モデル予測の理解を提供する技術、特に薬物発見における重要な意思決定について評価する。
  論文  参考訳（メタデータ） (2023-08-02T22:18:41Z)
• ChemVise: Maximizing Out-of-Distribution Chemical Detection with the Novel Application of Zero-Shot Learning [60.02503434201552]
  本研究は,簡単な学習セットから複雑な露光の学習近似を提案する。 合成センサ応答に対するこのアプローチは, 分布外の化学分析物の検出を驚くほど改善することを示した。
  論文  参考訳（メタデータ） (2023-02-09T20:19:57Z)
• 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)
• Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
  ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。 我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
  論文  参考訳（メタデータ） (2021-10-27T19:28:36Z)
• Deep Learning for Virtual Screening: Five Reasons to Use ROC Cost Functions [80.12620331438052]
  深層学習は サイリコの何十億もの分子を 迅速にスクリーニングする 重要なツールとなりました その重要性にもかかわらず、厳密なクラス不均衡、高い決定しきい値、いくつかのデータセットにおける基底真理ラベルの欠如など、これらのモデルのトレーニングにおいて重大な課題が続いている。 このような場合、クラス不均衡に対するロバスト性から、レシーバ動作特性(ROC)を直接最適化することを好んで論じる。
  論文  参考訳（メタデータ） (2020-06-25T08:46:37Z)

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。