要約
Desulfovibrio alaskensis G20 (DA-G20) は、微生物によって引き起こされる腐食問題に関連する硫酸塩還元細菌 (SRB) のモデルとして利用されます。
SRB ベースのバイオフィルムは、金属インフラの年間 10 億ドル規模の生物腐食の原因であると考えられています。
さまざまな成長段階における SRB バイオフィルム内の細菌細胞の形状とサイズ特性の抽出を理解することは、防食技術の設計に役立ちます。
しかし、時間のかかる幾何学的特性の抽出、低い効率、高いエラー率など、多くの問題が現在のアプローチに影響を与えています。
この論文では、これらの問題に対処するために、不変モーメントと統合された Yolact ベースの深層学習手法である BiofilScanner を提案します。
私たちのアプローチは、SRB 画像内の細菌細胞を効率的に検出してセグメント化すると同時に、不変モーメントによりセグメント化された細胞の幾何学的特徴を低い誤差で測定します。
提案された方法の数値実験により、BiofilmScanner は、細胞の幾何学的特性の検出、セグメント化、測定において、以前の Mask-RCNN および DLv3+ 方法よりも 2.1 倍および 6.8 倍高速であることが実証されました。
さらに、BiofilmScanner は 85.28% の F1 スコアを達成し、Mask-RCNN と DLv3+ はそれぞれ 77.67% と 75.18% の F1 スコアを達成しました。
要約(オリジナル)
Desulfovibrio alaskensis G20 (DA-G20) is utilized as a model for sulfate-reducing bacteria (SRB) that are associated with corrosion issues caused by microorganisms. SRB-based biofilms are thought to be responsible for the billion-dollar-per-year bio-corrosion of metal infrastructure. Understanding the extraction of the bacterial cells’ shape and size properties in the SRB-biofilm at different growth stages will assist with the design of anti-corrosion techniques. However, numerous issues affect current approaches, including time-consuming geometric property extraction, low efficiency, and high error rates. This paper proposes BiofilScanner, a Yolact-based deep learning method integrated with invariant moments to address these problems. Our approach efficiently detects and segments bacterial cells in an SRB image while simultaneously invariant moments measure the geometric characteristics of the segmented cells with low errors. The numerical experiments of the proposed method demonstrate that the BiofilmScanner is 2.1x and 6.8x faster than our earlier Mask-RCNN and DLv3+ methods for detecting, segmenting, and measuring the geometric properties of the cell. Furthermore, the BiofilmScanner achieved an F1-score of 85.28% while Mask-RCNN and DLv3+ obtained F1-scores of 77.67% and 75.18%, respectively.
arxiv情報
| 著者 | Md Hafizur Rahman,Md Ali Azam,Md Abir Hossen,Shankarachary Ragi,Venkataramana Gadhamshetty |
| 発行日 | 2023-07-24 12:33:09+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google