Fugu-MT 論文翻訳(概要): Detection of Odor Presence via Deep Neural Networks

論文の概要: Detection of Odor Presence via Deep Neural Networks

arxiv url: http://arxiv.org/abs/2508.09264v1
Date: Tue, 12 Aug 2025 18:14:24 GMT
ステータス: 翻訳完了
システム内更新日: 2025-08-14 20:42:00.657741
Title: Detection of Odor Presence via Deep Neural Networks
Title（参考訳）: 深部ニューラルネットワークによる臭気の有無の検出
Authors: Matin Hassanloo, Ali Zareh, Mehmet Kemal Özdemir,
Abstract要約: 臭気検出は食品の安全性、環境モニタリング、医療診断、その他多くの分野を支えている。複雑な混合物と非侵襲的な記録との匂い検出のための現在の人工センサは、信頼できる単一心房細動を欠いている。本稿では,多チャンネル嗅球LFPから匂いの存在を復号する1次元畳み込みネットワーク(ResCNNとAttentionCNN)のアンサンブルを提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Odor detection underpins food safety, environmental monitoring, medical diagnostics, and many more fields. The current artificial sensors developed for odor detection struggle with complex mixtures while non-invasive recordings lack reliable single-trial fidelity. To develop a general system for odor detection, in this study we present a preliminary work where we aim to test two hypotheses: (i) that spectral features of local field potentials (LFPs) are sufficient for robust single-trial odor detection and (ii) that signals from the olfactory bulb alone are adequate. To test two hypotheses, we propose an ensemble of complementary one-dimensional convolutional networks (ResCNN and AttentionCNN) that decodes the presence of odor from multichannel olfactory bulb LFPs. Tested on 2,349 trials from seven awake mice, our final ensemble model supports both hypotheses, achieving a mean accuracy of 86.6%, an F1-score of 81.0%, and an AUC of 0.9247, substantially outperforming previous benchmarks. In addition, the t-SNE visualization confirms that our framework captures biologically significant signatures. These findings establish the feasibility of robust single-trial detection of the presence of odor from extracellular LFPs, as well as demonstrate the potential of deep learning models to provide a deeper understanding of olfactory representations.
Abstract（参考訳）: 臭気検出は食品の安全性、環境モニタリング、医療診断、その他多くの分野を支えている。現在の人工的なセンサーは、複雑な混合物で匂いを検出するために開発されたが、非侵襲的な記録は信頼性の高い単一心房細動を欠いている。嗅覚検出のための一般的なシステムを開発するために,本研究では2つの仮説を試すための予備研究について述べる。 i) 局所電場電位(LFP)のスペクトル特性は、強い単心房臭の検出および検出に十分である。 (II)嗅球のみからの信号が適切である。 2つの仮説をテストするために,多チャンネル嗅球LFPから匂いの存在を復号する1次元畳み込みネットワーク(ResCNNとAttentionCNN)のアンサンブルを提案する。 7匹の覚醒マウスから2,349回の試験を行い、最終的なアンサンブルモデルは両方の仮説をサポートし、平均精度は86.6%、F1スコアは81.0%、AUCは0.9247で、前回のベンチマークより大幅に上回った。さらに、t-SNEの可視化により、我々のフレームワークが生物学的に重要なシグネチャをキャプチャすることを確認した。これらの結果から, 細胞外LFPからの臭気の強い単心室検出が可能であり, 嗅覚表現をより深く理解するための深層学習モデルの可能性が示唆された。

関連論文リスト

Harnessing Near-Infrared Spectroscopy and Machine Learning for Traceable Classification of Hanwoo and Holstein Beef [0.0]
本研究では, 近赤外分光法(NIRS)と高度な機械学習(ML)技術を組み合わせて, 食品の真正性, 誤ラベル, 密着性に対処するために, ハンウー・ビーフ(HNB)とホルスタイン・ビーフ(HLB)を区別する手法について検討した。
論文参考訳（メタデータ） (2025-06-24T02:41:51Z)
On-Site Precise Screening of SARS-CoV-2 Systems Using a Channel-Wise Attention-Based PLS-1D-CNN Model with Limited Infrared Signatures [14.03608399920969]
本稿では、減衰された全反射-フーリエ変換赤外分光法(ATR-FTIR)と適応的繰り返し再重み付けされたペナル化最小二乗法(AirPLS)前処理アルゴリズムと、チャネルワイドの注意に基づく畳み込みニューラルネットワーク(PLS-1D-CNN)モデルを統合する手法を提案する。我々のモデルは、最近、呼吸器ウイルスのスペクトル検出の分野で、96.48%の認識スクリーニング精度、96.24%の感度、97.14%の特異性、96.12%のF1スコア、0.99のAUCを達成している。
論文参考訳（メタデータ） (2024-10-26T09:22:35Z)
A Federated Learning Framework for Stenosis Detection [70.27581181445329]
本研究は,冠動脈造影画像(CA)の狭窄検出におけるFL(Federated Learning)の使用について検討した。アンコナのOspedale Riuniti(イタリア)で取得した200人の患者1219枚の画像を含む2施設の異種データセットについて検討した。データセット2には、文献で利用可能な90人の患者からの7492のシーケンシャルな画像が含まれている。
論文参考訳（メタデータ） (2023-10-30T11:13:40Z)
Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。 I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
論文参考訳（メタデータ） (2023-08-31T05:05:53Z)
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)
Automated pharyngeal phase detection and bolus localization in videofluoroscopic swallowing study: Killing two birds with one stone? [1.4337588659482519]
ビデオフルオロスコープドローイング研究(VFSS)は、ドローイングを評価するための金標準イメージング技術である。研究者は、摂食の咽頭相を自動的に検出できることを実証した。本稿では,咽頭位相検出と骨の局在化に弱い教師付きで取り組むディープラーニングフレームワークを提案する。
論文参考訳（メタデータ） (2021-11-08T18:25:01Z)
SOUL: An Energy-Efficient Unsupervised Online Learning Seizure Detection Classifier [68.8204255655161]
神経活動を記録して発作を検出するインプラントデバイスは、発作を抑えるために警告を発したり神経刺激を誘発したりするために採用されている。移植可能な発作検出システムでは、低出力で最先端のオンライン学習アルゴリズムを使用して、神経信号のドリフトに動的に適応することができる。 SOULはTSMCの28nmプロセスで0.1mm2を占め、1.5nJ/分級エネルギー効率を実現した。
論文参考訳（メタデータ） (2021-10-01T23:01:20Z)
Benchmarking of eight recurrent neural network variants for breath phase and adventitious sound detection on a self-developed open-access lung sound database-HF_Lung_V1 [0.35775620736088914]
頑健なコンピュータ化された呼吸音解析アルゴリズムは、まだ実用化には至っていない。我々は,9,765個の肺音の音声ファイルからなる肺音データベース(HF_Lung_V1)を開発した。その結果,これらのモデルは肺の音像解析において十分な性能を示した。
論文参考訳（メタデータ） (2021-02-05T08:21:28Z)
CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文参考訳（メタデータ） (2020-07-20T21:47:28Z)
NADS: Neural Architecture Distribution Search for Uncertainty Awareness [79.18710225716791]
機械学習(ML)システムは、トレーニングデータとは異なるディストリビューションから来るテストデータを扱う場合、しばしばOoD(Out-of-Distribution)エラーに遭遇する。既存のOoD検出アプローチはエラーを起こしやすく、時にはOoDサンプルに高い確率を割り当てることもある。本稿では,すべての不確実性を考慮したアーキテクチャの共通構築ブロックを特定するために,ニューラルアーキテクチャ分布探索(NADS)を提案する。
論文参考訳（メタデータ） (2020-06-11T17:39:07Z)

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。