論文の概要: Identifying environmental factors associated with tetrodotoxin contamination in bivalve mollusks using eXplainable AI

• arxiv url: http://arxiv.org/abs/2511.20395v1
• Date: Tue, 25 Nov 2025 15:19:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-26 17:37:04.520697
• Title: Identifying environmental factors associated with tetrodotoxin contamination in bivalve mollusks using eXplainable AI
• Title（参考訳）: eXplainable AIを用いた二枚貝のテトロドトキシン汚染に関連する環境因子の同定
• Authors: M. C. Schoppema, B. H. M. van der Velden, A. Hürriyetoğlu, M. D. Klijnstra, E. J. Faassen, A. Gerssen, H. J. van der Fels-Klerx,
• Abstract要約: 2012年以降、テトロドトキシン(TTX)はヨーロッパの温帯海域で二枚貝などの魚介類で発見されている。 我々はオランダのゼーラント河口におけるTTX汚染を予測するための説明可能な深層学習モデルを開発した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Since 2012, tetrodotoxin (TTX) has been found in seafoods such as bivalve mollusks in temperate European waters. TTX contamination leads to food safety risks and economic losses, making early prediction of TTX contamination vital to the food industry and competent authorities. Recent studies have pointed to shallow habitats and water temperature as main drivers to TTX contamination in bivalve mollusks. However, the temporal relationships between abiotic factors, biotic factors, and TTX contamination remain unexplored. We have developed an explainable, deep learning-based model to predict TTX contamination in the Dutch Zeeland estuary. Inputs for the model were meteorological and hydrological features; output was the presence or absence of TTX contamination. Results showed that the time of sunrise, time of sunset, global radiation, water temperature, and chloride concentration contributed most to TTX contamination. Thus, the effective number of sun hours, represented by day length and global radiation, was an important driver for tetrodotoxin contamination in bivalve mollusks. To conclude, our explainable deep learning model identified the aforementioned environmental factors (number of sun hours, global radiation, water temperature, and water chloride concentration) to be associated with tetrodotoxin contamination in bivalve mollusks; making our approach a valuable tool to mitigate marine toxin risks for food industry and competent authorities.
• Abstract（参考訳）: 2012年以降、テトロドトキシン(TTX)はヨーロッパの温帯海域で二枚貝などの魚介類で発見されている。 TTX汚染は食品安全のリスクと経済的損失をもたらし、TTX汚染の早期予測は食品産業や有能な当局にとって不可欠である。 近年の研究では、二枚貝のTTX汚染の主な要因として生息地や水温が指摘されている。 しかし, 生物性因子, 生物性因子, TTX汚染の時間的関係は未解明のままである。 我々はオランダのゼーラント河口におけるTTX汚染を予測するための説明可能な深層学習モデルを開発した。 このモデルに対する入力は気象学的および水文学的特徴であり、出力はTTX汚染の有無であった。 その結果,日出時間,日没時間,地球放射量,水温,塩化物濃度がTTX汚染に大きく寄与した。 したがって、日長と地球規模の放射で表される日中の有効数は、二枚貝のテトロドトキシン汚染にとって重要な要因であった。 結論として,本研究の深層学習モデルでは,二枚貝のテトロドトキシン汚染と関連する環境因子(日数,地球放射量,水温,塩化水濃度)を同定した。

関連論文リスト

• Synergistic Neural Forecasting of Air Pollution with Stochastic Sampling [50.3911487821783]
  大気汚染は世界的な健康と環境のリスクの先駆けであり、特に山火事、都市干ばつ、塵嵐による大気汚染の急激な増加に弱い地域ではなおもである。 本稿では,気象および大気組成データを統合し,平均および極端汚染レベルの予測を改善する高分解能神経予測モデルであるSynCastを提案する。
  論文  参考訳（メタデータ） (2025-10-28T01:18:00Z)
• <think> So let's replace this phrase with insult... </think> Lessons learned from generation of toxic texts with LLMs [60.169913160819]
  本稿では, 人為的データに代わる合成毒性データを用いた脱毒訓練モデルの可能性について検討する。 実験によると、合成データに微調整されたモデルは、人間のデータで訓練されたモデルよりも一貫してパフォーマンスが悪くなっている。 根本原因は、致命的な語彙の多様性のギャップとして認識される: LLMは、小さな反復的な侮辱の語彙を用いて、人間の毒性のニュアンスや多様性を捉えるのに失敗する有毒な内容を生成する。
  論文  参考訳（メタデータ） (2025-09-10T07:48:24Z)
• GloSS over Toxicity: Understanding and Mitigating Toxicity in LLMs via Global Toxic Subspace [62.68664365246247]
  本稿では,大規模言語モデル(LLM)の毒性発生機構について検討する。 GloSS(Global Toxic Subspace Suppression)は,FFNのパラメータからグローバルな毒性部分空間を同定・除去することにより毒性を緩和する軽量な4段階法である。
  論文  参考訳（メタデータ） (2025-05-20T08:29:11Z)
• Explainable machine learning for predicting shellfish toxicity in the Adriatic Sea using long-term monitoring data of HABs [0.0]
  我々は,魚介類中毒を正確に予測するために,機械学習モデルを訓練し,評価する。 The random forest model provided the best prediction of positive toxicity results based on the F1 score。 主要な種(Dinophysis fortii, D. caudata)と環境要因(塩分濃度, 河川排出量, 降水量)はDSPの発生の予測因子として最適であった。
  論文  参考訳（メタデータ） (2024-05-07T14:55:42Z)
• Satellite-based feature extraction and multivariate time-series prediction of biotoxin contamination in shellfish [0.0]
  貝生産は多くのポルトガル沿岸地域の経済にとって重要な産業である。 貝のバイオトキシン汚染の課題は公衆衛生上の懸念と経済的リスクの両方を引き起こす。 センチネル3衛星画像のデータセットを海洋監視に利用した。
  論文  参考訳（メタデータ） (2023-11-25T11:32:20Z)
• IoT-Based Water Quality Assessment System for Industrial Waste WaterHealthcare Perspective [1.1318749736230347]
  汚染された水は、食物中毒、下気道、短期間の消化器疾患、呼吸器疾患、皮膚疾患、その他の深刻な健康上の合併症を引き起こすことがある。 バングラデシュのような発展途上国では、準備済みの衣服部門が総生産量(GDP)の主要な供給源の1つであり、衣料工場から排出される廃棄物のほとんどは、最も近い川や運河に投棄されている。 この問題に対処するため,モバイルアプリケーションと統合したIoT(Internet of Things)ベースのリアルタイム水質モニタリングシステムを開発した。
  論文  参考訳（メタデータ） (2023-03-26T07:17:18Z)
• Multi-scale Digital Twin: Developing a fast and physics-informed surrogate model for groundwater contamination with uncertain climate models [53.44486283038738]
  気候変動は地下水汚染の長期的な土壌管理問題を悪化させる。 U-Net強化フーリエニューラル汚染(PDENO)を用いた物理インフォームド機械学習サロゲートモデルを開発した。 並行して、気候データと組み合わされた畳み込みオートエンコーダを開発し、アメリカ合衆国全体の気候領域の類似性の次元を減少させる。
  論文  参考訳（メタデータ） (2022-11-20T06:46:35Z)
• Towards Generating Large Synthetic Phytoplankton Datasets for Efficient Monitoring of Harmful Algal Blooms [77.25251419910205]
  有害な藻類(HAB)は養殖農場で重大な魚死を引き起こす。 現在、有害藻や他の植物プランクトンを列挙する標準的な方法は、顕微鏡でそれらを手動で観察し数えることである。 合成画像の生成にはGAN(Generative Adversarial Networks)を用いる。
  論文  参考訳（メタデータ） (2022-08-03T20:15:55Z)
• Effects of a nuclear disturbed environment on a quantum free space optical link [52.77024349608834]
  本書は, 地上・衛星・受信システムの信号減衰に及ぼす核分裂大気環境の影響について検討する。 上昇する核雲とその後に輸送された破片を通して伝達される信号の減衰は、気候学的に10kt、100kt、および1山の表面レベルでの爆発をモデル化する。
  論文  参考訳（メタデータ） (2021-08-10T19:25:54Z)
• Early Detection of Fish Diseases by Analyzing Water Quality Using Machine Learning Algorithm [0.0]
  本稿では,最先端の機械学習アルゴリズムを適用し,水質劣化を時間的かつ正確に検出・予測する。 実験の結果, 実際のデータセットを用いたアルゴリズムにより, 特定の水質に特有な魚病の検出精度が向上した。
  論文  参考訳（メタデータ） (2021-02-15T18:52:58Z)

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。