論文の概要: AppleScab-LT: A Longitudinal Real-Field Apple Scab Dataset for Temporal Disease Progression Analysis
- arxiv url: http://arxiv.org/abs/2608.14235v1
- Date: Fri, 14 Aug 2026 12:10:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-17 20:14:29.373491
- Title: AppleScab-LT: A Longitudinal Real-Field Apple Scab Dataset for Temporal Disease Progression Analysis
- Title（参考訳）: AppleScab-LT: 経時的リアルタイムApple Scabデータセット
- Abstract要約: AppleScab-LTは、個別に追跡された感染した葉の観察を繰り返すことで、リンゴの穂の進行を監視するために開発された、縦断的なリアルタイムデータセットである。
このデータセットは、21個の長手葉配列、2,101個の高解像度画像、同じ感染した葉の繰り返しモニタリングから264個の進行時間サンプルを含む。
AppleScab-LTは、時間的疾患のインテリジェンス、疾患の進行モデリング、精密農業、将来の作物の健康モニタリングのための信頼性の高いリソースを提供する。
- 参考スコア（独自算出の注目度）: 0.3823356975862005
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The development of reliable plant disease monitoring systems is constrained by limited longitudinal datasets capturing disease progression under natural field conditions. Although existing plant disease datasets have advanced image-based recognition, most consist of static images acquired at a single time point, limiting analysis of temporal disease evolution and severity progression. To address this gap, this study presents AppleScab-LT, a longitudinal real-field dataset developed to monitor apple scab progression through repeated observations of individually tracked infected leaves. Guided by a research-question-driven framework, the dataset was systematically developed, validated, and characterized for reliable longitudinal disease analysis. AppleScab-LT was constructed through systematic orchard monitoring under natural environmental conditions, incorporating longitudinal leaf tracking, expert-guided disease verification, polygon-based annotation, leaf isolation, disease severity quantification, and temporal sequence construction. A comprehensive quality assurance framework, including standardized annotation protocols, expert validation, automated integrity checks, sequence-level verification, and temporal consistency analysis, was applied throughout curation. The dataset contains 21 longitudinal leaf sequences, 2,101 high-resolution images, and 264 progressive temporal samples from repeated monitoring of same infected leaves. It captures variability in severity accumulation, progression rates, monitoring duration, and inter-leaf progression. Quantitative disease descriptors based on pixel severity, color-intensity severity, and normalized relative severity provide standardized measurements for temporal disease analysis. AppleScab-LT provides a reliable resource for temporal disease intelligence, disease progression modelling, precision agriculture, and future crop health monitoring
- Abstract（参考訳）: 植物病害モニタリングシステムの開発は, 自然環境下での病気の進行を捉えた, 限られた縦断的データセットによって制限されている。
既存の植物病データセットには画像に基づく高度な認識があるが、ほとんどの場合、時間的疾患の進化と重篤な進行の分析を制限した、単一の時点に取得された静的画像で構成されている。
このギャップに対処するため、AppleScab-LTは、個別に追跡された感染した葉の観察を繰り返してリンゴの殻の進行を監視するために開発された、縦方向のリアルタイムフィールドデータセットである。
研究を主導するフレームワークによってガイドされ、データセットは体系的に開発され、検証され、信頼性のある縦断的疾患解析に特徴付けられる。
AppleScab-LTは、自然環境下での体系的な果樹園のモニタリングによって構築され、縦方向の葉追跡、専門家が指導する病気の検証、ポリゴンベースのアノテーション、葉の分離、病気の重症度定量化、時間的シーケンス構築が組み込まれている。
標準化されたアノテーションプロトコル、専門家による検証、自動化された完全性チェック、シーケンスレベルの検証、時間的一貫性分析を含む包括的な品質保証フレームワークがキュレーションを通じて適用された。
このデータセットは、21個の長手葉配列、2,101個の高解像度画像、同じ感染した葉の繰り返しモニタリングから264個の進行時間サンプルを含む。
重度の蓄積、進行率、監視期間、葉間進行の変動を捉える。
画素重大度、色強度重大度、正規化相対重大度に基づく定量的疾患記述子は、時間的疾患解析のための標準化された測定手段を提供する。
AppleScab-LTは、時間的疾患インテリジェンス、疾患進行モデリング、精密農業、将来の作物の健康モニタリングのための信頼性の高いリソースを提供する
関連論文リスト
- Longitudinal Bayesian Learning of Continuous Disease Position across the Alzheimer's Disease Continuum [57.659917052892155]
縦型拡散テンソルイメージング(DTI)による病気の重症度を連続的に推定する縦型ベイズ学習フレームワークを提案する。
アルツハイマー病神経画像イニシアチブ(ADNI)コホートの実験は、DCPが代表的疾患進行法より一貫して優れていることを示した。
以上の結果から,DCSはアルツハイマー病の進行を連続的に評価するための定量的な画像由来の表現を提供する可能性が示唆された。
論文 参考訳（メタデータ） (2026-08-19T20:41:26Z) - CheXTemporal: A Dataset for Temporally-Grounded Reasoning in Chest Radiography [11.122386852153546]
胸部X線を用いた胸部X線撮影における時間的根拠推論のためのデータセットであるCheXTemporalを紹介した。
このデータセットには、新しい、悪い、安定した、改善された、解決された、5つのクラスの進行分類が含まれ、局所化された病理の空間的監督、明示的な空間的時間的アライメントが含まれる。
ゼロショット設定において,複数の視覚言語CXRモデルをグラウンド化および進行分類タスクに基づいて評価する。
論文 参考訳（メタデータ） (2026-05-11T22:47:24Z) - Learning to Synergize Semantic and Geometric Priors for Limited-Data Wheat Disease Segmentation [51.06355116973389]
本研究では,小麦病のセグメンテーションを病種特異的な意味認識と疾患境界の局所化の複合的課題として扱う枠組みを提案する。
我々の中核的な洞察は、事前訓練されたDINOv2は、出現シフトを処理するために、堅牢なカテゴリ認識セマンティックスを提供します。
SGPer は,コムギ病と臓器分画のベンチマークにおいて,常に最先端のパフォーマンスを達成している。
論文 参考訳（メタデータ） (2026-04-07T04:19:39Z) - XAI and Few-shot-based Hybrid Classification Model for Plant Leaf Disease Prognosis [8.399688944263843]
このフレームワークは、実世界のデータ制約のある農業病モニタリングアプリケーションに有望なソリューションを提供する。
このモデルは高い精度、精度、リコール、F1スコアを連続的に達成し、様々な疾患の段階では92%を超えることがよくある。
論文 参考訳（メタデータ） (2026-03-03T13:29:35Z) - Alzheimers Disease Progression Prediction Based on Manifold Mapping of Irregularly Sampled Longitudinal Data [12.210689327265072]
アルツハイマー病(AD)の進行は、不規則にサンプリングされた縦型磁気共鳴画像(sMRI)データからモデル化される。
提案手法はまず,高次元sMRIから抽出した特徴を多様体空間に投射し,本質的な疾患進行の形状を保存する。
提案手法は,病状予測と認知スコア回帰の両面で,最先端モデルよりも一貫して優れている。
論文 参考訳（メタデータ） (2025-11-25T10:28:37Z) - Development and Validation of a Low-Cost Imaging System for Seedling Germination Kinetics through Time-Cumulative Analysis [1.570530789849319]
本研究では,R. solani接種がLactuca sativa L. 種子の発芽と初期発生に及ぼす効果について,低コストで画像ベースのモニタリングシステムを用いて検討した。
結果,R. solani感染は発芽率と初期苗活力を大幅に低下させることが明らかとなった。
論文 参考訳（メタデータ） (2025-10-07T08:26:11Z) - Harnessing the power of longitudinal medical imaging for eye disease prognosis using Transformer-based sequence modeling [49.52787013516891]
今回提案した Longitudinal Transformer for Survival Analysis (LTSA, Longitudinal Transformer for Survival Analysis, LTSA) は, 縦断的医用画像から動的疾患の予後を予測できる。
時間的注意分析により、最新の画像は典型的には最も影響力のあるものであるが、以前の画像は追加の予後に価値があることが示唆された。
論文 参考訳（メタデータ） (2024-05-14T17:15:28Z) - DeepRite: Deep Recurrent Inverse TreatmEnt Weighting for Adjusting
Time-varying Confounding in Modern Longitudinal Observational Data [68.29870617697532]
時系列データにおける時間変化の相違に対するDeep Recurrent Inverse TreatmEnt重み付け(DeepRite)を提案する。
DeepRiteは、合成データから基底的真理を復元し、実際のデータから偏りのない処理効果を推定する。
論文 参考訳（メタデータ） (2020-10-28T15:05:08Z) - Predicting Parkinson's Disease with Multimodal Irregularly Collected
Longitudinal Smartphone Data [75.23250968928578]
パーキンソン病は神経疾患であり、高齢者に多い。
伝統的に病気を診断する方法は、一連の活動テストの品質に関する個人的主観的臨床評価に依存している。
そこで本研究では,スマートフォンが収集した生の行動データを用いて,パーキンソン病を予測するための時系列に基づく新しい手法を提案する。
論文 参考訳（メタデータ） (2020-09-25T01:50:15Z) - Trajectories, bifurcations and pseudotime in large clinical datasets:
applications to myocardial infarction and diabetes data [94.37521840642141]
混合データ型と欠落値を特徴とする大規模臨床データセット分析のための半教師付き方法論を提案する。
この手法は、次元の減少、データの可視化、クラスタリング、特徴の選択と、部分的に順序付けられた観測列における測地距離(擬時)の定量化のタスクを同時に扱うことのできる弾性主グラフの適用に基づいている。
論文 参考訳（メタデータ） (2020-07-07T21:04:55Z) - The Plant Pathology 2020 challenge dataset to classify foliar disease of
apples [0.0]
米国のリンゴ果樹園は、多くの病原体や昆虫から常に脅威にさらされている。病気管理の適正かつタイムリーな展開は、早期の疾患検出に依存している。
我々は,複数のリンゴ葉病の高画質・実生症状画像3,651枚を手作業で取得した。
リンゴの皮、スギのリンゴのさび、健康な葉のパイロットデータセットを作成するために専門家が注釈を付けたサブセットが、Kaggleコミュニティの'Plant Pathology Challenge'で利用可能になった。
論文 参考訳（メタデータ） (2020-04-24T19:36:37Z)
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。