文献

J-GLOBAL ID：202002283220556933   整理番号：20A1273865

水中の細菌検出のための深層学習AIによる高感度ラボオンチップ【JST・京大機械翻訳】

Highly sensitive lab-on-chip with deep learning AI for detection of bacteria in water

著者 (4件)： Nehal Shaikh Afzal (Research Scholar, VTU, Belagavi, Karnataka, India) ,  Roy Debpriyo (PES University, Bangalore, Karnataka, India) ,  Devi Manju (Department of ECE, The Oxford College of Engineering, Bangalore, Karnataka, India) ,  Srinivas T. (Indian Institute of Science, Bangalore, Karnataka, India)
資料名： International Journal of Information Technology  (International Journal of Information Technology)
巻： 12  号： 2  ページ： 495-501  発行年： 2020年 
JST資料番号： W4473A  ISSN： 2511-2104  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 人工知能(AI)は,水質におけるより良い予測を行う方法に関する新しい洞察を提供した。AIは人間の脳の後にモデル化された畳込みニューラルネットワーク(CNN)を使用する。本研究では,水中の細菌汚染物質のレベルを予測するための深い学習技術の実施を始めた。ルックアップテーブルを用いて,細菌の署名に基づくセンシングパラメータのレベルを分類した。AIは,センサによって同定されるように,署名に基づく正確な予測のために非常に役に立つであろう。フォトニック結晶に基づく光バイオセンサからの出力を用いて汚染を検出できる,AIベースのラボオンチップ応用プラットフォームをシミュレートした。水中の細菌の存在は出力スペクトル挙動を変化させる。異なる試料による訓練により,水中の細菌に対する入力層の設計を最適化した。光バイオセンサは一般的に軽量で,小型で携帯型で雑音の少ないシステムであり,電力なしで動作する。AI技術は大腸菌の存在を明確に予測するのに役立った。研究は,出力スペクトルに基づく95%の検出の精度の確率で結論を下し,訓練データを同定した。Copyright Bharati Vidyapeeth’s Institute of Computer Applications and Management 2019 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  雑音 ,  *学習 ,  水質 ,  電力 ,  *細菌 ,  大腸菌 ,  微生物汚染 ,  スペクトル ,  人工知能 ,  バイオセンサ ,  フォトニック結晶
準シソーラス用語： *ラボオンチップ ,  光バイオセンサ ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (6件)： CNN ,  FDTD ,  バイオセンサ ,  AI ,  深層学習 ,  ラボオンチップ

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 水中 ,  細菌検出 ,  深層学習 ,  AI ,  高感度 ,  ラボオンチップ