文献

J-GLOBAL ID：202202219940240245   整理番号：22A0854142

ヒト蛋白質局在化のためのCNNにおける特徴再利用【JST・京大機械翻訳】

Feature Reuse in CNN for Human Proteins Localization

著者 (2件)： Qolizadeh Mahmood (Tarbiat Modares University,Faculty of Electrical and Computer Engineering,Tehran,Iran) ,  Abadeh Mohammad Saniee (Tarbiat Modares University,Faculty of Electrical and Computer Engineering,Tehran,Iran)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： IMCOM  ページ： 1-5  発行年： 2022年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ヒト蛋白質局在化は,細胞活性,疾患原因,および薬物設計を決定する際に重要な役割を果たす。最近,コンピュータ法による蛋白質局在化における顕微鏡蛍光画像の使用は,現実に近い人体の蛋白質マップを作成した。現在の方法の中で,深層学習,特に畳み込みニューラルネットワークは,これらの画像を首尾よく分類する。本研究では,まず,ヒト蛋白質アトラス(HPA)データセットを前処理し,データ量を最大27回短縮する方法を提案した。次に,要約特徴の再利用とブロック構造の設計の2つのアイデアに基づく新規な畳込みニューラルネットワーク(CNNs)アーキテクチャを提案し,前処理画像を13クラスに分類した。マルチラベリング,大きな画像サイズ,および不均衡データは,データセットの課題の特徴である。最後に,必要な計算を,最先端の状態よりも約50%少なく,記憶空間と必要なメモリを保存して,マクロF1-Score0.789の画像分類は,成功したモデルの間で優れている。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 記憶装置 ,  前処理 ,  *タンパク質 ,  ヒト ,  ブロック構造 ,  ドラッグデザイン ,  再利用 ,  計算機アーキテクチャ ,  コンピュータ
準シソーラス用語： アトラス ,  画像分類 ,  蛍光画像 ,  *蛋白質局在化 ,  深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： ヒト ,  蛋白質局在化 ,  CNN ,  再利用