三次元蛍光スペクトル画像データの機械学習手法を用いた農薬添加河川水の識別
環境試料中の化学物質のスクリーニングにおいて近年主流となっているノンターゲット分析では，測定結果のデータの解釈が重要である．著者らは簡易的な環境試料のスクリーニングとして，三次元蛍光スペクトルの画像データを機械学習により判別する手法を提案した．意図的に農薬添加・非添加の差をつけた河川水試料の三次元蛍光スペクトル画像データを用いてAIによる識別の可否を検討した．加えて，教師データとしての画像データの質的，量的な最適性について検討した．その結果，本法を簡易スクリーニングとして活用できる可能性が示された他，現状では三次元蛍光スペクトルを精密に計測することによって情報量を増加させても，必ずしもAIによ...
Saved in:
| Published in | AI・データサイエンス論文集 Vol. 4; no. 3; pp. 962 - 968 |
|---|---|
| Main Authors | , , |
| Format | Journal Article |
| Language | Japanese |
| Published |
公益社団法人 土木学会
2023
|
| Subjects | |
| Online Access | Get full text |
| ISSN | 2435-9262 |
| DOI | 10.11532/jsceiii.4.3_962 |
Cover
Loading…
| Abstract | 環境試料中の化学物質のスクリーニングにおいて近年主流となっているノンターゲット分析では，測定結果のデータの解釈が重要である．著者らは簡易的な環境試料のスクリーニングとして，三次元蛍光スペクトルの画像データを機械学習により判別する手法を提案した．意図的に農薬添加・非添加の差をつけた河川水試料の三次元蛍光スペクトル画像データを用いてAIによる識別の可否を検討した．加えて，教師データとしての画像データの質的，量的な最適性について検討した．その結果，本法を簡易スクリーニングとして活用できる可能性が示された他，現状では三次元蛍光スペクトルを精密に計測することによって情報量を増加させても，必ずしもAIによる判定精度を向上させることにはならないことが示された． |
|---|---|
| AbstractList | 環境試料中の化学物質のスクリーニングにおいて近年主流となっているノンターゲット分析では，測定結果のデータの解釈が重要である．著者らは簡易的な環境試料のスクリーニングとして，三次元蛍光スペクトルの画像データを機械学習により判別する手法を提案した．意図的に農薬添加・非添加の差をつけた河川水試料の三次元蛍光スペクトル画像データを用いてAIによる識別の可否を検討した．加えて，教師データとしての画像データの質的，量的な最適性について検討した．その結果，本法を簡易スクリーニングとして活用できる可能性が示された他，現状では三次元蛍光スペクトルを精密に計測することによって情報量を増加させても，必ずしもAIによる判定精度を向上させることにはならないことが示された． |
| Author | 栁下, 真由子 青山, 望奈美 橋本, 温 |
| Author_xml | – sequence: 1 fullname: 橋本, 温 organization: 県立広島大学 生物資源科学部生命環境学科 – sequence: 1 fullname: 青山, 望奈美 organization: 県立広島大学大学院 総合学術研究科生命システム科学専攻 – sequence: 1 fullname: 栁下, 真由子 organization: 県立広島大学 生物資源科学部生命環境学科 |
| BookMark | eNo9UMtKw0AAXETBWnv3J1Kzm022PYkUX1DwouewSTaaUKskvXhsY7FVRChVRJGqoCi2WlqhSsV-zJptPsOA4mFmYIaZw8yAyeJukQEwB-U0hKqC5l3fZI7jpHFa0bMamgAJhBVVyiINTYOU7zuGjJEsk5gToPD9Xhft27AaRFcnYbXOKx88uOSVVx7UePA8bg7D4JQHhzz45JURL7-Ip5a464adh_GoIerHon_GK41x85GXD3i5FX31ovO2GAzDoxvR64eDa9F9i1tR5yKs3c-CKZsWfJb60yTYXF7ayK1K-fWVtdxiXnIRgkhCBrMYNjIWJdA2TQsTk8hQo9AmhkYshUKUwSplhoFNRIgNZdVisRV7kGrMVpJg4XfX9Ut0i-l7nrNDvX2deiXHLDD97yEd60qM-KP_xNymnu5S5QeJw43n |
| ContentType | Journal Article |
| Copyright | 2023 公益社団法人 土木学会 |
| Copyright_xml | – notice: 2023 公益社団法人 土木学会 |
| DOI | 10.11532/jsceiii.4.3_962 |
| DatabaseTitleList | |
| DeliveryMethod | fulltext_linktorsrc |
| EISSN | 2435-9262 |
| EndPage | 968 |
| ExternalDocumentID | article_jsceiii_4_3_4_962_article_char_ja |
| GroupedDBID | JSF RJT |
| ID | FETCH-LOGICAL-j2212-2bede4b8da71fccd47c7016a1f7b67d3a12845aebb4c277f105de28445a1a6ef3 |
| IngestDate | Wed Sep 03 06:31:04 EDT 2025 |
| IsDoiOpenAccess | true |
| IsOpenAccess | true |
| IsPeerReviewed | false |
| IsScholarly | false |
| Issue | 3 |
| Language | Japanese |
| LinkModel | OpenURL |
| MergedId | FETCHMERGED-LOGICAL-j2212-2bede4b8da71fccd47c7016a1f7b67d3a12845aebb4c277f105de28445a1a6ef3 |
| OpenAccessLink | https://www.jstage.jst.go.jp/article/jsceiii/4/3/4_962/_article/-char/ja |
| PageCount | 7 |
| ParticipantIDs | jstage_primary_article_jsceiii_4_3_4_962_article_char_ja |
| PublicationCentury | 2000 |
| PublicationDate | 2023 |
| PublicationDateYYYYMMDD | 2023-01-01 |
| PublicationDate_xml | – year: 2023 text: 2023 |
| PublicationDecade | 2020 |
| PublicationTitle | AI・データサイエンス論文集 |
| PublicationYear | 2023 |
| Publisher | 公益社団法人 土木学会 |
| Publisher_xml | – name: 公益社団法人 土木学会 |
| References | 7) 杉山純一，蔦瑞樹：蛍光指紋による食品の判別・定量技術，日本食品化学工学会誌， Vol. 60, No. 9, pp.457-465, 2013. 9) Nagi, J., Ahmed, S. K., Nagi, F.: A MATLAB based Face Recognition System using Image Processing and Neural Networks, 4th International Colloquium on Signal Processing and its Applications, pp. 83-88, 2008. 1) 門上希和夫：微量化学物質による環境汚染と安全性評価—ノンターゲット分析の必要性と手法—，安全工学, Vol. 52, No.3, pp.155-161, 2013. 3) 花井 陽介，馬場 嘉信：SPME GC－TOF MSを用いた肺がん識別のための尿中揮発性有機化合物のスクリーニング法の検討，J. Mass Spectrom. of Japan, Vol. 61, No.2, pp. 13-21, 2013. 8) 小島 寛義：情報の授業をしよう！：AI×プログラミングで総合的な学習の時間，情報処理，Vol. 61, No.10, pp. 1062-1067 2020. 4) 北村 友一, 阿部 翔太, 厚朴 大祐, 山下 洋正：LC-TOF/MSによる化学物質の網羅分析およびメタボロミクスによる下水処理水のメダカの成長，産卵影響に関する水質・生体影響マーカーの探索，土木学会論文集 G（環境），Vol. 77, Vo.7, pp. III_21-III_32, 2021. 5) Hambly, A.C., Arvin, E., Pedersen, L-F., Pedersen, P. B., Seredyńska-Sobecka, B., Stedmon, C. A.: Characterising organic matter in recirculating aquaculture systems with fluorescence EEM spectroscopy, Water Res., Vol. 83, No. 15, pp.112-120, 2015. 2) Brock, O., Helmus, R., Kalbitz, K., Jansen, B.: Non-target screening of leaf litter-derived dissolved organic matter using liquid chromatography coupled to high-resolution mass spectrometry (LC-QTOF-MS), Eur. J. Soil Sci., 71, pp.420-432, 2020. 6) 長沼 健, 杉浦 孜, 平木 敬三：三次元蛍光スペクトルの水質指標としての検討，愛知教育大学研究報告（自然科学編）, 50, pp.25-29, 2001. 11) Apple Developer ：機械学習， Core ML，https://developer.apple.com/jp/machine-learning/core-ml/ (最終閲覧日：2023.6.30 13) 厚生労働省：農薬類（水質管理目標設定項目１５）の対象農薬リスト，https://www.mhlw.go.jp/topics/bukyoku/kenkou/suido/kijun/dl/kyokubetten2.pdf (最終閲覧日：2023.6.30 15) Krizhevsky, A., Sutskever, I., Hinton, G. E.: ImageNet Classification with Deep Convolutional Neural Networks, Proceedings of the 25th International Conference on Neural Information Processing Systems, 1, p. 1097-1105, 2012. 12) 青山望奈美，橋本温，栁下真由子：3次元蛍光スペクトル測定と画像学習AIによる環境試料の差異判別のための手法開発，第22回環境技術学会年次大会 14) 木村淳子，大原俊彦，槇本佳泰：環境水中の農薬類等分析のための迅速前処理法の開発，全国環境研会誌, Vol. 39, No.1, pp.49-54, 2014. 10) Brinker, T. J., Hekler, A., Hauschild, A., Berking, C., Schilling, B., Enk, A. H., Haferkamp, S., Karoglan, A., Kalle, C., Weichenthal, M., Sattler, E., Schadendorf, D., Gaiser, M. R., Klode, J., Utikal, J.S.: Comparing artificial intelligence algorithms to 157 German dermatologists: the melanoma classification benchmark, Eur. J. Cancer, 111, pp. 30-37, 2019. 16) 大谷 恭平，原 宏江，山村 寛，池本 良子，本多 了：機械学習を用いた3次元蛍光データに基づく飲用水と高度下水処理水の水質比較，土木学会論文集 G（環境）, Vol. 78, No. 7, p.III_73-III_80, 2022. |
| References_xml | – reference: 11) Apple Developer ：機械学習， Core ML，https://developer.apple.com/jp/machine-learning/core-ml/ (最終閲覧日：2023.6.30) – reference: 4) 北村 友一, 阿部 翔太, 厚朴 大祐, 山下 洋正：LC-TOF/MSによる化学物質の網羅分析およびメタボロミクスによる下水処理水のメダカの成長，産卵影響に関する水質・生体影響マーカーの探索，土木学会論文集 G（環境），Vol. 77, Vo.7, pp. III_21-III_32, 2021. – reference: 14) 木村淳子，大原俊彦，槇本佳泰：環境水中の農薬類等分析のための迅速前処理法の開発，全国環境研会誌, Vol. 39, No.1, pp.49-54, 2014. – reference: 6) 長沼 健, 杉浦 孜, 平木 敬三：三次元蛍光スペクトルの水質指標としての検討，愛知教育大学研究報告（自然科学編）, 50, pp.25-29, 2001. – reference: 8) 小島 寛義：情報の授業をしよう！：AI×プログラミングで総合的な学習の時間，情報処理，Vol. 61, No.10, pp. 1062-1067 2020. – reference: 10) Brinker, T. J., Hekler, A., Hauschild, A., Berking, C., Schilling, B., Enk, A. H., Haferkamp, S., Karoglan, A., Kalle, C., Weichenthal, M., Sattler, E., Schadendorf, D., Gaiser, M. R., Klode, J., Utikal, J.S.: Comparing artificial intelligence algorithms to 157 German dermatologists: the melanoma classification benchmark, Eur. J. Cancer, 111, pp. 30-37, 2019. – reference: 1) 門上希和夫：微量化学物質による環境汚染と安全性評価—ノンターゲット分析の必要性と手法—，安全工学, Vol. 52, No.3, pp.155-161, 2013. – reference: 15) Krizhevsky, A., Sutskever, I., Hinton, G. E.: ImageNet Classification with Deep Convolutional Neural Networks, Proceedings of the 25th International Conference on Neural Information Processing Systems, 1, p. 1097-1105, 2012. – reference: 7) 杉山純一，蔦瑞樹：蛍光指紋による食品の判別・定量技術，日本食品化学工学会誌， Vol. 60, No. 9, pp.457-465, 2013. – reference: 9) Nagi, J., Ahmed, S. K., Nagi, F.: A MATLAB based Face Recognition System using Image Processing and Neural Networks, 4th International Colloquium on Signal Processing and its Applications, pp. 83-88, 2008. – reference: 3) 花井 陽介，馬場 嘉信：SPME GC－TOF MSを用いた肺がん識別のための尿中揮発性有機化合物のスクリーニング法の検討，J. Mass Spectrom. of Japan, Vol. 61, No.2, pp. 13-21, 2013. – reference: 12) 青山望奈美，橋本温，栁下真由子：3次元蛍光スペクトル測定と画像学習AIによる環境試料の差異判別のための手法開発，第22回環境技術学会年次大会 – reference: 16) 大谷 恭平，原 宏江，山村 寛，池本 良子，本多 了：機械学習を用いた3次元蛍光データに基づく飲用水と高度下水処理水の水質比較，土木学会論文集 G（環境）, Vol. 78, No. 7, p.III_73-III_80, 2022. – reference: 2) Brock, O., Helmus, R., Kalbitz, K., Jansen, B.: Non-target screening of leaf litter-derived dissolved organic matter using liquid chromatography coupled to high-resolution mass spectrometry (LC-QTOF-MS), Eur. J. Soil Sci., 71, pp.420-432, 2020. – reference: 5) Hambly, A.C., Arvin, E., Pedersen, L-F., Pedersen, P. B., Seredyńska-Sobecka, B., Stedmon, C. A.: Characterising organic matter in recirculating aquaculture systems with fluorescence EEM spectroscopy, Water Res., Vol. 83, No. 15, pp.112-120, 2015. – reference: 13) 厚生労働省：農薬類（水質管理目標設定項目１５）の対象農薬リスト，https://www.mhlw.go.jp/topics/bukyoku/kenkou/suido/kijun/dl/kyokubetten2.pdf (最終閲覧日：2023.6.30) |
| SSID | ssib042007042 ssj0003321924 ssib050728529 |
| Score | 1.8998108 |
| Snippet | ... |
| SourceID | jstage |
| SourceType | Publisher |
| StartPage | 962 |
| SubjectTerms | classifying images excitation-emission matrix (EEM) pesticide |
| Title | 三次元蛍光スペクトル画像データの機械学習手法を用いた農薬添加河川水の識別 |
| URI | https://www.jstage.jst.go.jp/article/jsceiii/4/3/4_962/_article/-char/ja |
| Volume | 4 |
| hasFullText | 1 |
| inHoldings | 1 |
| isFullTextHit | |
| isPrint | |
| ispartofPNX | AI・データサイエンス論文集, 2023, Vol.4(3), pp.962-968 |
| link | http://utb.summon.serialssolutions.com/2.0.0/link/0/eLvHCXMwnR1Na9VAMJR68SKKit_04J4kNR-bl93j5jWPKtRTC72FfB4eUkXbiweh71lsFRFKFVGkKiiKrZZWqFKxPya-tD_Dmc3mmUpBLeSFebMzk_nYZGeW7EbTLrIwzkI7M_XUMTKdJmGiRzTluuXGYcqdJKINXDs8dq0xOkGvTjqTA4OjtbeWZqaj4fjOvutKDhJVwEFccZXsf0S2LxQQAEN84QwRhvM_xZj4lHiMME78BhFNIkziO4TBYROfEe4RNlJhgMYmzCJeCdiEC4URLYVhTAHCI75LOAj3JDsg-zSuArxmJbBsMonwpRqc8JYEoMlAdjFCRAMFAiW3sAmUYR4CHqjhKDnYJC8qmBLIqAJQICOeTzxL2iWNRXa30lAQYUiMhTIBA018RGIM4tGahgz14UxyAezUs3NxpTLO-5u5AFSKC1oBlf9Qhb6zGboTVAZd4IwCuYxMf0pUea30CG-ibdDvpe7Ay3-TcTQJ3QTmmXgoMuDh0g1C2oSe9gnz98g30H7VXbyS0ZWMrSrUpopV-V3VaiaoXKYt71rVk9D1rrRAIADWw9WgCTDCrgUV8AKOS7KtqToFmsdqnYKiY7naglaORxZk1jpuL1kfPGntGWHXBkKuyFL1j-0_XDs27v_bvh2nuJUKHbaDPuOeTdDVLRYoyoAGNvyANqhacJFi0IZK6ZAFBSMO0WN3_WpkoTgjb9B-Ig9FkMUcVRhgzmbbFs5EVO8xgFqX_1AKMtQ21GvVu54y_Rw_qh1RdeOQKPU4pg20w-Pa9Z9fF4qV17257u6LR725hbzzLe8-zzuf8-583v24s7TV6z7Ou_fz7ve8s53Pfio-LBdv1nqr73a2F4uFh8XGk7yzuLP0Pp-9l88u7_5Y3326Umxu9R68KtY3epsvi7UvwLW7-qw3__aENtHyx5ujuvp8it62ICHVrShNUhqxJHTNLI4T6sYuFHihmblRw03sEFNTJ0yjiMbgswwqrSQFFODMsJFm9kltcOrGVHpKG0osqBMSA79WGFEjpWHEIkqtuAFPejPM0tMaK50T3Cz3yAn-OWBnDs56VjuMt0E5IXpOG5y-NZOehxJhOrogo_8LH67pqQ |
| linkProvider | ISSN International Centre |
| openUrl | ctx_ver=Z39.88-2004&ctx_enc=info%3Aofi%2Fenc%3AUTF-8&rfr_id=info%3Asid%2Fsummon.serialssolutions.com&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Ajournal&rft.genre=article&rft.atitle=%E4%B8%89%E6%AC%A1%E5%85%83%E8%9B%8D%E5%85%89%E3%82%B9%E3%83%9A%E3%82%AF%E3%83%88%E3%83%AB%E7%94%BB%E5%83%8F%E3%83%87%E3%83%BC%E3%82%BF%E3%81%AE%E6%A9%9F%E6%A2%B0%E5%AD%A6%E7%BF%92%E6%89%8B%E6%B3%95%E3%82%92%E7%94%A8%E3%81%84%E3%81%9F%E8%BE%B2%E8%96%AC%E6%B7%BB%E5%8A%A0%E6%B2%B3%E5%B7%9D%E6%B0%B4%E3%81%AE%E8%AD%98%E5%88%A5&rft.jtitle=AI%E3%83%BB%E3%83%87%E3%83%BC%E3%82%BF%E3%82%B5%E3%82%A4%E3%82%A8%E3%83%B3%E3%82%B9%E8%AB%96%E6%96%87%E9%9B%86&rft.au=%E6%A9%8B%E6%9C%AC%2C+%E6%B8%A9&rft.au=%E9%9D%92%E5%B1%B1%2C+%E6%9C%9B%E5%A5%88%E7%BE%8E&rft.au=%E6%A0%81%E4%B8%8B%2C+%E7%9C%9F%E7%94%B1%E5%AD%90&rft.date=2023&rft.pub=%E5%85%AC%E7%9B%8A%E7%A4%BE%E5%9B%A3%E6%B3%95%E4%BA%BA+%E5%9C%9F%E6%9C%A8%E5%AD%A6%E4%BC%9A&rft.eissn=2435-9262&rft.volume=4&rft.issue=3&rft.spage=962&rft.epage=968&rft_id=info:doi/10.11532%2Fjsceiii.4.3_962&rft.externalDocID=article_jsceiii_4_3_4_962_article_char_ja |