抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
材料科学の分野では,顕微鏡は,構造キャラクタリゼーションのための初めてのアクセス可能な方法である。顕微鏡画像の解析と解釈を自動化できる機械学習法の開発に関心が高まっている。機械学習モデルの典型的に訓練は,関連する構造ラベルを持つ多数の画像を必要とするが,画像の手動ラベリングは,ドメイン知識を必要とし,ヒューマンエラーと主観性を起こしやすい。これらの限界を克服するために,訓練のために少数のラベル付き顕微鏡画像を用いる半教師つき転送学習アプローチを提示し,有意に大きな画像データセットで訓練された方法と同様に効果的に実行した。特に,自己教師付き学習法を用いてラベルなし画像を用いて画像符号器を訓練し,訓練のための最小数のラベル付き画像を用いて,異なる下流画像タスク(分類とセグメンテーション)の移動学習のためのエンコーダを用いた。透過電子顕微鏡(TEM)画像上のSimCLRとBarlow-Twinの2つの自己監督学習法の移動学習能力を試験した。蛋白質ナノワイヤのTEM画像に適用されたこの機械学習ワークフローが,ナノワイヤ形態(例えば,単一ナノワイヤ,ナノワイヤ束,相分離)の自動分類と,ナノワイヤドメインサイズと形状分析の定量化のための基礎作業として役立つセグメンテーションタスクをいかに可能にするかを詳細に示した。また,機械学習ワークフローの応用を,TEM画像からのナノ粒子モルフォロジーの分類と異なるタイプのウイルスの同定に拡張した。【JST・京大機械翻訳】