ニューラルネットワークはランダムフォレスト後に選択された特徴を用いた生物学的画像を高速分類する-パワースマート顕微鏡法への重要性【JST・京大機械翻訳】

Balluet Maeel; Sizaire Florian; Habouz Youssef El; Walter Thomas; Pont Jeremy; Giroux Baptiste; Bouchareb Otmane; Tramier Marc; Pecreaux Jacques

プレプリント

J-GLOBAL ID：202202211695599736 整理番号：21P0069421

ニューラルネットワークはランダムフォレスト後に選択された特徴を用いた生物学的画像を高速分類する-パワースマート顕微鏡法への重要性【JST・京大機械翻訳】

Neural network fast-classifies biological images using features selected after their random-forests-importance to power smart microscopy

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (9件)： , , , , , , , ,
資料名：
発行年： 2020年12月18日プレプリントサーバーでの情報更新日： 2020年12月18日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

人工知能は,ポスト取得分析の間,光学顕微鏡における細胞検出と分類のために現在使用されている。顕微鏡は現在完全に自動化され,次に,画像に基づく取得決定を行うために,スマートであることが期待される。それは,それらをフライで分析することを要求する。生物学は,サンプルを調製するためのコストと時間による縮小データセットに関する訓練をさらに課し,専門家によって注釈付けされたデータセットを持っている。ここでは,正確な検出と実行性能のバランスにより,これらの仕様に準拠する実時間画像処理を提案した。一般的な高次元特徴抽出器を用いて画像を特性化した。次に,意思決定と実行時間における各特徴の寄与を理解するために,機械学習を用いて画像を分類した。非線形分類器ランダムフォレストがFisherの線形判別より優れていることを見出した。さらに重要なことに,ほとんどの判別と時間のかかる特徴は,精度の顕著な損失なしに除外でき,実行時間の実質的な利得を提供した。これは,観察細胞の生物学に関連する特徴群冗長性を示唆する。高速で判別特徴を選択する方法を提供した。このアッセイにおいて,細胞の79.6±2.4%の正確な分類は,68.7±3.5ms(平均±SD,5倍交差検定を10ブートストラップ反復で入れた)で,1秒あたり14細胞に対応し,12の特徴グループを用いて細胞周期の8相に配分し,消費者市場ARMベース組込みシステムを操作する。面白いことに,単純なニューラルネットワークは,汎用グラフィック処理ユニットでの並列実行を用いて,より高速訓練と分類への道を開いた。最後に,この戦略は,深いニューラルネットワークにも使用可能であり,これらのアルゴリズムをスマート顕微鏡で最適化する道を開く。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , 【Automatic Indexing@JST】

医用画像処理 , 光学的測定とその装置一般 , 生体の顕微鏡観察法

, , , , ,

前のページに戻る