論文の概要: Automated Palynological Analysis System: Integrating Deep Metric Learning and $U^{2}$-Net Detection in $H\infty$ bright field microscopy

• arxiv url: http://arxiv.org/abs/2604.16743v1
• Date: Fri, 17 Apr 2026 23:20:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-21 21:52:52.153831
• Title: Automated Palynological Analysis System: Integrating Deep Metric Learning and $U^{2}$-Net Detection in $H\infty$ bright field microscopy
• Title（参考訳）: 自動パリン分析システム:$H\infty$明るさ場顕微鏡における深度学習と$U^{2}$-Net検出の統合
• Authors: J. Staforelli-Vivanco, R. Jofré, B. Muñoz, V. Salamanca, P. Coelho, I. Sanhueza, L. Viafora, C. Toro, J. Troncoso, M. Rondanelli-Reyes, I. Lamas,
• Abstract要約: 本稿では,Hinfty$のメカニカル・コントロールと高度なディープラーニング・パイプラインを統合した自動顕微鏡システムを提案する。 このシステムは、手動のエキスパート分析と比較して95.8$%の分類リコールと6倍の処理スピードアップを達成する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Traditional melissopalynology is a time-consuming and subjective process, often taking 4-6 hours per sample. We present an automated, high-throughput microscopy system that integrates $H\infty$ robust mechanical control with advanced deep learning pipelines for the precise counting, classification, and morphological analysis of pollen grains from Bio Bio region in south central territory in Chile. Our system employs $U^{2}$-Net for salient object detection and a DINOv2 Vision Transformer backbone trained via Deep Metric Learning for classification. By integrating Gradient-Weighted Attention, the model provides human-interpretable texture and diagnostic feature annotations. The system achieves a 95.8$\%$ classification recall and a 6x processing speedup compared to manual expert analysis.
• Abstract（参考訳）: 伝統的なメリスソパリン学は時間を要する主観的な過程であり、しばしば1サンプルにつき4-6時間かかる。 チリ南中部のバイオバイオ・バイオ・バイオ・エリアの花粉の正確な計数,分類,形態解析を行うため,H\infty$の機械的制御を高度深層学習パイプラインと統合した,高スループット自動顕微鏡システムを提案する。 本システムでは,DINOv2 Vision TransformerのバックボーンをDeep Metric Learningで学習して分類する。 グラディエント・ウェイト・アテンション(Gradient-Weighted Attention)を統合することで、モデルは人間の解釈可能なテクスチャと診断機能アノテーションを提供する。 このシステムは、手動のエキスパート分析と比較して95.8$\%の分類リコールと6倍の処理スピードアップを達成する。

関連論文リスト

• Leveraging Phytolith Research using Artificial Intelligence [1.335032020170759]
  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。
  論文  参考訳（メタデータ） (2026-03-12T02:57:23Z)
• Deep Learning for Taxol Exposure Analysis: A New Cell Image Dataset and Attention-Based Baseline Model [1.755209318470883]
  細胞レベルでの薬剤であるタキソールの効果のモニタリングは臨床評価と生医学研究の両方において重要である。 深層学習のアプローチは、医学的および生物学的画像解析において大きな可能性を秘めている。 現在、タキソール曝露に対する細胞反応の自動形態学的解析のための公開データセットは存在しない。
  論文  参考訳（メタデータ） (2025-08-20T01:41:26Z)
• Morphological classification of eclipsing binary stars using computer vision methods [0.0]
  楕円形双対(EB)の光曲線を分類するためのコンピュータビジョン手法の適用について述べる。 我々は畳み込みニューラルネットワークと視覚変換器に基づく事前学習モデルを用いてきた。 我々は、位相折り曲げられた光曲線を、ヘキシンの可視化と組み合わせて極座標に変換することによって、新しい画像表現を開発した。
  論文  参考訳（メタデータ） (2025-08-18T10:29:19Z)
• Comparative Analysis of Hand-Crafted and Machine-Driven Histopathological Features for Prostate Cancer Classification and Segmentation [0.0]
  Gleason grading を自動化するために,前立腺画像の腺構造を分割する2つの手法の比較分析を行った。 最初のアプローチは、Gray Level Co-Occurrence Matrix(GLCM)とLocal Binary Pattern(LBP)テクスチャ記述子を組み合わせた手作りの学習手法である。 機械駆動型特徴抽出では,前立腺間質組織のセマンティックセグメンテーションを行うためにU-Net畳み込みニューラルネットワークを用いる。
  論文  参考訳（メタデータ） (2025-01-19T17:43:49Z)
• BlurryScope enables compact, cost-effective scanning microscopy for HER2 scoring using deep learning on blurry images [0.0]
  ブルリスコープ(BlurryScope)は、組織部位の自動検査・解析のための費用効率が高くコンパクトなソリューションである。 ヒト上皮成長因子受容体2(HER2)スコアの自動分類を行った。 4クラス (0, 1+, 2+, 3+) と2クラス (0/1+, 2+/3+) のHER2分類では, 79.3%, 89.7%の精度が得られた。
  論文  参考訳（メタデータ） (2024-10-23T04:46:36Z)
• Affine-Consistent Transformer for Multi-Class Cell Nuclei Detection [76.11864242047074]
  本稿では, 原子核位置を直接生成する新しいアフィン一貫性変換器 (AC-Former) を提案する。 本稿では,AAT (Adaptive Affine Transformer) モジュールを導入し,ローカルネットワークトレーニングのためのオリジナル画像をワープするための重要な空間変換を自動学習する。 実験結果から,提案手法は様々なベンチマークにおいて既存の最先端アルゴリズムを著しく上回ることがわかった。
  論文  参考訳（メタデータ） (2023-10-22T02:27:02Z)
• Building Flyweight FLIM-based CNNs with Adaptive Decoding for Object Detection [40.97322222472642]
  本研究では、ユーザ描画マーカーからオブジェクトを検出するために、畳み込みニューラルネットワーク(CNN)層を構築する方法を提案する。 糞便サンプルの顕微鏡画像におけるSchistosomiasis mansoni卵の検出と,衛星画像における船舶の検出に対処する。 我々のCNNは、SOTAオブジェクト検出器より数千倍も小さく、CPU実行に適している。
  論文  参考訳（メタデータ） (2023-06-26T16:48:20Z)
• 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)
• 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)
• Surface Warping Incorporating Machine Learning Assisted Domain Likelihood Estimation: A New Paradigm in Mine Geology Modelling and Automation [68.8204255655161]
  新たに取得した破砕孔データによって課される地球化学的および空間的制約に基づいて, モデル表面を再構成するバイーシアンワープ法が提案されている。 本稿では,このワーピングフレームワークに機械学習を組み込むことにより,可能性の一般化を図る。 その基礎は、p(g|c) が p(y(c)|g と似た役割を果たすような地質領域の確率のベイズ計算によって構成される。
  論文  参考訳（メタデータ） (2021-02-15T10:37:52Z)
• 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)

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。