Fugu-MT 論文翻訳(概要): Leveraging Phytolith Research using Artificial Intelligence

論文の概要: Leveraging Phytolith Research using Artificial Intelligence

arxiv url: http://arxiv.org/abs/2603.11476v1
Date: Thu, 12 Mar 2026 02:57:23 GMT
ステータス: 翻訳完了
システム内更新日: 2026-03-13 14:46:25.833
Title: Leveraging Phytolith Research using Artificial Intelligence
Title（参考訳）: 人工知能を用いた植物珪藻研究の活用
Authors: Andrés G. Mejía Ramón, Kate Dudgeon, Nina Witteveen, Dolores Piperno, Michael Kloster, Luigi Palopoli, Mónica Moraes R., José M. Capriles, Umberto Lombardo,
Abstract要約: ソロメトリー(Sorometry)は、植物石のデジタル化、推論、解釈のためのエンドツーエンドの人工知能パイプラインである。本研究では2次元画像解析のためのConvNeXtと3次元ポイントクラウド解析のためのPointNet++を組み合わせたマルチモーダル融合モデルを開発した。ボリビアアマゾンの参照収集と考古学的なサンプルに基づいて、我々の融合モデルは地球規模の分類精度77.9%を達成した。
参考スコア（独自算出の注目度）: 1.335032020170759
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Phytolith analysis is a crucial tool for reconstructing past vegetation and human activities, but traditional methods are severely limited by labour-intensive, time-consuming manual microscopy. To address this bottleneck, we present Sorometry: a comprehensive end-to-end artificial intelligence pipeline for the high-throughput digitisation, inference, and interpretation of phytoliths. Our workflow processes z-stacked optical microscope scans to automatically generate synchronised 2D orthoimages and 3D point clouds of individual microscopic particles. We developed a multimodal fusion model that combines ConvNeXt for 2D image analysis and PointNet++ for 3D point cloud analysis, supported by a graphical user interface for expert annotation and review. Tested on reference collections and archaeological samples from the Bolivian Amazon, our fusion model achieved a global classification accuracy of 77.9\% across 24 diagnostic morphotypes and 84.5% for segmentation quality. Crucially, the integration of 3D data proved essential for distinguishing complex morphotypes (such as grass silica short cell phytoliths) whose diagnostic features are often obscured by their orientation in 2D projections. Beyond individual object classification, Sorometry incorporates Bayesian finite mixture modelling to predict overall plant source contributions at the assemblage level, successfully identifying specific plants like maize and palms in complex mixed samples. This integrated platform transforms phytolith research into an "omics"-scale discipline, dramatically expanding analytical capacity, standardising expert judgements, and enabling reproducible, population-level characterisations of archaeological and paleoecological assemblages.
Abstract（参考訳）: 植物珪藻分析は過去の植生と人間の活動を再構築するための重要なツールであるが、従来の手法は労働集約的かつ時間を要する手動顕微鏡によって著しく制限されている。このボトルネックに対処するため、我々は、植物石の高スループットデジタル化、推論、解釈のための総合的なエンドツーエンド人工知能パイプラインであるSorometryを紹介した。我々のワークフローは、zスタックの光学顕微鏡スキャンを処理し、個々の顕微鏡粒子の同期2D像と3D点雲を自動生成する。本研究では,2次元画像解析のためのConvNeXtと3次元ポイントクラウド解析のためのPointNet++を組み合わせたマルチモーダル融合モデルを開発した。ボリビア・アマゾンの参照収集と考古学的サンプルを用いて、我々の融合モデルは、24の診断形態型に対して77.9\%のグローバルな分類精度と84.5%のセグメンテーション品質を達成した。重要な点として、3Dデータの統合は、2Dプロジェクションの向きによって診断的特徴が曖昧になる複雑な形態型(例えば、草シリカ短細胞ファイトリス)を識別するために必須であることが証明された。ソロメトリーは個々の対象の分類の他に、ベイズ有限混合モデルを導入し、複雑な混合試料中のトウモロコシやヤシなどの特定の植物を同定することに成功した。この統合されたプラットフォームは、植物石の研究を「生物学的」スケールの規律に転換し、分析能力を劇的に拡張し、専門家の判断を標準化し、考古学的および古生態学的集合体の再現可能で人口レベルの特性化を可能にする。

関連論文リスト

A Semantically Enhanced Generative Foundation Model Improves Pathological Image Synthesis [82.01597026329158]
本稿では,組織合成のための相関調整フレームワーク(CRAFTS)について紹介する。 CRAFTSは、生物学的精度を確保するためにセマンティックドリフトを抑制する新しいアライメント機構を組み込んでいる。本モデルは,30種類の癌にまたがる多彩な病理像を生成する。
論文参考訳（メタデータ） (2025-12-15T10:22:43Z)
Zero-shot Autonomous Microscopy for Scalable and Intelligent Characterization of 2D Materials [41.856704526703595]
従来、原子スケールの材料の特徴付けには、数ヶ月から数年の専門的な訓練を必要とする。このボトルネックは、大規模なトレーニングデータセットを必要とせずに研究目的を理解できる完全自律的な実験システムへの需要を加速させる。本稿では,2次元材料の完全自律的ゼロショットキャラクタリゼーションを実現するため,基礎モデルを統合するエンドツーエンドフレームワークであるATOMICを提案する。
論文参考訳（メタデータ） (2025-04-14T14:49:45Z)
Self-Supervised Z-Slice Augmentation for 3D Bio-Imaging via Knowledge Distillation [65.46249968484794]
ZAugNetは、生物画像のz分解能を高めるための高速で正確で自己教師型のディープラーニング手法である。連続スライス間の非線形距離を実行することで、ZAugNetは各イテレーションで分解能を効果的に倍にする。 ZAugNet+は任意の距離で連続的な予測を可能にする拡張版である。
論文参考訳（メタデータ） (2025-03-05T17:50:35Z)
ForamViT-GAN: Exploring New Paradigms in Deep Learning for Micropaleontological Image Analysis [0.0]
本稿では,階層型視覚変換器とスタイルに基づく生成逆ネットワークアルゴリズムを組み合わせた新しいディープラーニングワークフローを提案する。本研究では,高信号対雑音比(39.1dB)の高分解能画像とFrechet距離類似度スコア14.88のリアル合成画像を生成することができることを示す。生成画像と合成画像の両方を精度良く, 異なるフォアミニフェラのセマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティクスを初めて行った。
論文参考訳（メタデータ） (2023-04-09T18:49:38Z)
Fast spline detection in high density microscopy data [0.0]
多生物系の顕微鏡的研究において、衝突と重なりの問題は依然として困難である。そこで,本研究では,一般的なモチーフと重なり合うスプラインの正確な形状軌跡を抽出する,エンドツーエンドの深層学習手法を開発した。線虫Caenorhabditis elegansの密集実験における使用性の設定と実証を行った。
論文参考訳（メタデータ） (2023-01-11T13:40:05Z)
A parameter refinement method for Ptychography based on Deep Learning concepts [55.41644538483948]
伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
論文参考訳（メタデータ） (2021-05-18T10:15:17Z)
Towards an Automatic Analysis of CHO-K1 Suspension Growth in Microfluidic Single-cell Cultivation [63.94623495501023]
我々は、人間の力で抽象化されたニューラルネットワークをデータレベルで注入できる新しい機械学習アーキテクチャを提案する。具体的には、自然データと合成データに基づいて生成モデルを同時に訓練し、細胞数などの対象変数を確実に推定できる共有表現を学習する。
論文参考訳（メタデータ） (2020-10-20T08:36:51Z)
Semi-Automatic Generation of Tight Binary Masks and Non-Convex Isosurfaces for Quantitative Analysis of 3D Biological Samples [0.2711107673793059]
現在の顕微鏡では、完全な生物(3D+t)の3D+tが細胞レベルでの開発に関する洞察を与えてくれる。画像の速度と品質は着実に改善されているが、完全セグメンテーション解析法は十分ではない。これは、画像(100um - 1mm)と標本の奥深くに当てはまる。胚の3D+t光シート顕微鏡画像の定量的解析システムを開発した。
論文参考訳（メタデータ） (2020-01-30T17:36:42Z)

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。