Apr, 2024

ApisTox: 一个用于蜜蜂小分子毒性分类的新基准数据集

PDF
TL;DR全球蜜蜂数量下降对农业、生物多样性和环境稳定性构成重大风险。为填补现有数据的空白，我们引入了 ApisTox，这是一个关于杀虫剂对蜜蜂 (Apis Mellifera) 毒性的综合数据集。ApisTox 将 ECOTOX 和 PPDB 等现有信息源的数据进行整合和利用，提供了一个全面、一致且经过筛选的集合，超过了先前的数据集。ApisTox 包括广泛的数据，包括化学物质的毒性水平、出版文献中的时间等细节，并通过标识符将其与外部化学数据库进行链接。该数据集既可以作为环境和农业研究的重要工具，也可以支持最大限度减少对蜜蜂种群造成伤害的政策和实践的制定。最后，ApisTox 为农业化学品化合物的分子性质预测方法的基准 提供了独特的资源，从而促进了环境科学和化学信息学的进步。这使其成为学术研究和蜜蜂保护实际应用的宝贵工具。
bee populationstoxicity of pesticidesdatasetenvironmental and agricultural researchmolecular property prediction methods
发现论文，激发创造
  • 使用黑盒 API 进行毒性评估研究的挑战

    本文评估了维护和演化的毒性检测 API 的变化对比较模型和方法的研究工作的可重复性的影响，并发现使用遗传自动毒性分数来比较模型和技术的研究可能得出不准确的结果。通过对 HELP 模型进行重新评分，我们建议对于毒性的评估应该采用更加结构化的方法。

    Apr, 2023

  • MuTox：通用多语种基于音频的毒性数据集和零样本检测器

    通过创造多语言音频数据集 MuTox，实现了跨多种语言的零射击毒性检测，相比现有的基于文本的训练分类器，MuTox 的 AUC 值提高了超过 1％，语言覆盖范围扩大了 10 倍以上，相比于基于词汇列表的分类器，MuTox 的精确度和召回率提高了约 2.5 倍，这一显著改进突显出 MuTox 在音频毒性检测领域的潜力。

    Jan, 2024

  • 面向生物多样性的机器学习方法：一种新颖的野生蜜蜂数据集和用于机器学习辅助稀有物种注释的可解释性人工智能方法评估

    通过建立一份昆虫图像数据集，并训练一个能够对其进行分类的模型，并针对昆虫图像数据集的独特性，研究了可解释的人工智能（XAI）方法来协助昆虫学家进行数据注释，该方法在分类准确性和鲁棒性方面获得良好结果。

    Jun, 2022

  • 数据集与比较研究：蚜虫聚集检测

    本文提出了一种检测蚜虫集群的方法，通过使用机器学习模型和对象检测技术对图像进行分析，以准确地评估感染水平，精确定位并应用杀虫剂，以最大程度地提高农作物产量和避免环境污染和成本浪费。

    Jul, 2023

  • 生活毒性：揭示生活建议中的隐含毒素

    利用设计的 LifeTox 数据集，通过在广泛的寻求建议的情境中识别隐含的有害性，实验证明，在隐含有害性分类任务中，RoBERTa 在 LifeTox 上的微调结果可以与大型语言模型的零样本性能相匹配或超过，进一步强调了 LifeTox 在应对隐含有害性的复杂挑战方面的功效。

    Nov, 2023

  • HoneyBee: 用基础嵌入模型创建可扩展的多模态肿瘤学数据集的模块化框架

    为了解决医学数据的复杂性和异质性所带来的挑战，我们引入了 HoneyBee，一个可扩展的模块化框架，用于构建多模态肿瘤学数据集，通过使用基础模型生成代表性嵌入。该框架整合了包括临床记录、影像数据和患者结果在内的各种数据模态，利用数据预处理技术和基于 Transformer 的架构生成能够捕捉原始医学数据中的重要特征和关系的嵌入。生成的嵌入使用 Hugging Face datasets 和 PyTorch dataloaders 以结构化格式存储，以方便访问。矢量数据库可实现高效的查询和检索，适用于机器学习应用。我们通过评估嵌入的质量和代表性来证明 HoneyBee 的有效性。该框架旨在可扩展到其他医学领域，并旨在通过提供高质量的、机器学习可用的数据集来加速肿瘤学研究。HoneyBee 是一个持续开源的项目，代码、数据集和模型可在项目代码库中获取。

    May, 2024

  • 野外昆虫识别：AMI 数据集

    昆虫多样性丧失影响生态系统和农业，对昆虫研究提出了大规模机器学习和数据增强等解决方案。

    Jun, 2024

  • 从有偏毒性标签学习的实证研究

    本研究探讨不同训练策略如何利用少量人工注释标签和大量但带有偏见的合成标签（针对身份群体）来预测在线评论的毒性，并评估了这些方法的准确性和公正性。虽然最初使用所有数据进行训练并在干净数据上微调能够产生具有最高 AUC 的模型，但同时我们发现没有一种策略在所有公正度量标准上表现最佳。

    Oct, 2021

  • 高粱田蚜虫簇集检测与分割的新数据集及比较研究

    为了解决蚜虫侵袭的问题，该研究开发了一个大规模多尺度数据集，用于蚜虫集群的检测和分割，并进行了四个实时语义分割模型和三个物体检测模型的训练和评估。在准确性和效率之间取得平衡的情况下，Fast-SCNN 提供了最有效的分割结果，实现了 80.46% 的平均精确率，81.21% 的平均召回率和每秒 91.66 帧。在物体检测方面，RT-DETR 表现出了最佳的综合性能，在 NVIDIA V100 GPU 上获得 61.63% 的平均精度、92.6% 的平均召回率和 72.55 的得分。实验证明，相比使用检测模型，蚜虫集群的分割更适合评估蚜虫侵袭。

    May, 2024

  • 全球生物多样性评估的一步：BIOSCAN-1M 昆虫数据集

    为了对昆虫生物多样性进行编目，我们提出了一个新的手动标注昆虫图像的大型数据集，BIOSCAN-Insect 数据集。该数据集由专家进行分类，同时还提供相关的遗传信息，包括原始核苷酸条形码序列和分配的条形码索引号，这些是基于基因的物种分类的代理。本文介绍了一个由百万图像组成的精选数据集，主要用于训练能够提供基于图像的分类评估的计算机视觉模型，然而，该数据集还具有引人注目的特征，研究这些特征对于更广泛的机器学习社区也是有兴趣的。受数据集固有的生物学特性驱动，显示出了具有长尾类别不平衡分布的特点。此外，分类标签是一个分层分类方案，对低层级的问题提出了非常细粒度的分类问题。通过在实施和分析基准分类器的过程中探索分类任务，本文将促进机器学习社区对生物多样性研究的兴趣，并推动创建基于图像的分类器的进展，这也将进一步实现 BIOSCAN 研究的终极目标：为全球生物多样性的综合调查奠定基础。

    Jul, 2023