Develop a new method for recognising and identifying bacterial colonies using artificial neural networks and Machine Learning algorithms. (Q77597): Difference between revisions
Jump to navigation
Jump to search
(Changed an Item: Import item from Poland) |
(Changed an Item: Import item from Poland) |
||||||||||
| Property / coordinate location | |||||||||||
51°6'32.33"N, 17°1'57.61"E
| |||||||||||
| Property / coordinate location: 51°6'32.33"N, 17°1'57.61"E / rank | |||||||||||
Normal rank | |||||||||||
| Property / coordinate location: 51°6'32.33"N, 17°1'57.61"E / qualifier | |||||||||||
Revision as of 09:13, 25 October 2022
Project Q77597 in Poland
| Language | Label | Description | Also known as |
|---|---|---|---|
| English | Develop a new method for recognising and identifying bacterial colonies using artificial neural networks and Machine Learning algorithms. |
Project Q77597 in Poland |
Statements
1,850,331.93 zloty
0 references
2,437,811.1 zloty
0 references
75.9 percent
0 references
1 July 2018
0 references
30 October 2020
0 references
NEUROSYS SPÓŁKA Z OGRANICZONĄ ODPOWIEDZIALNOŚCIĄ
0 references
51°7'34.7"N, 16°58'41.5"E
0 references
Numer_referencyjny_programu_pomocowego: SA.41471(2015/X) Przeznaczenie_pomocy_publicznej: art. 25 rozporządzenia KE nr 651/2014 z dnia 17 czerwca 2014 r. uznające niektóre rodzaje pomocy za zgodne z rynkiem wewnętrznym w stosowaniu art. 107 i 108 Traktatu (Dz. Urz. UE L 187/1 z 26.06.2014). Celem projektu jest opracowanie algorytmów umożliwiających zautomatyzowanie analizy posiewów hodowli bakteryjnych na szalkach Petriego, w szczególności klasyfikacji rodzaju posianych bakterii oraz określenie liczby kolonii bakteryjnych. Algorytmy zostaną przygotowane w oparciu o metody uczenia głębokiego (ang. deep learning), które wg aktualnej wiedzy naukowej najlepiej sprawdzają się przy rozpoznawaniu obrazów i w naturalny sposób mogą być wykorzystane do identyfikowania kluczowych cech morfologicznych kolonii bakteryjnych. We współpracy z ekspertem z zakresu mikrobiologii zostanie przygotowana baza danych treningowych, potrzebnych do dopasowania parametrów sztucznych sieci neuronowych. Zawierać będzie ona dokładnie opisane zdjęcia szalek Petriego, na których zostały wysiane ściśle określone szczepy bakteryjne, a które będzie można wykorzystać w procesie uczenia nadzorowanego (ang. supervised learning). Dodatkowych informacji na temat próbek dostarczy analiza widma (spektralna) oraz trójwymiarowa mapa wierzchołków wykonana metodą skanowania laserowego. Do klasyfikacji próbek zostaną wykorzystane konwolucyjne sieci neuronowe (ang. convolutional neural networks), których hiperparametry zostaną dobrane pod rozważany problem, a ich optymalne wartości znalezione metodą sprawdzianu krzyżowego, co pozwoli uniknąć problemów z "niedouczeniem" (ang. underfitting) lub "przeuczeniem" (ang. overfitting) modelu. Zostanie wykonana analiza porównawcza wyników otrzymanych z lub bez uwzględnienia dodatkowych danych spektralnych. Ostatecznym produktem będzie specjalistyczne oprogramowanie wykorzystujące stworzone algorytmy do analizy posiewów bakteryjnych. (Polish)
0 references
Reference number of the aid programme: SA.41471(2015/X) Purpose of public aid: Article 25 of EC Regulation No 651/2014 of 17 June 2014 declaring certain types of aid compatible with the internal market in the application of Articles 107 and 108 of the Treaty (OJ L. I'm sorry. EU L 187/1 of 26.06.2014). The aim of the project is to develop algorithms to automate the analysis of bacterial cultures on petri dishes, in particular the classification of the type of sown bacteria and the number of bacterial colonies. Algorithms will be based on deep learning methods, which, according to current scientific knowledge, are best suited for image recognition and can naturally be used to identify key morphological features of bacterial colonies. In cooperation with an expert in the field of microbiology, a training database will be prepared, needed to match the parameters of artificial neural networks. It will contain well-defined images of Petri dishes, on which well-defined bacterial strains have been planted and which can be used in supervised learning. Additional information on the samples will be provided by spectrum analysis (spectral) and a three-dimensional map of vertices made by laser scanning. Convolutional neural networks (convolutional neural networks) will be used to classify samples, whose hyperparameters will be selected for the problem under consideration and their optimal values found by cross-checking will avoid problems with " Underfitting or " Overfitting model. A comparative analysis of the results obtained with or without additional spectral data shall be performed. The final product will be specialised software using created algorithms to analyse bacterial cultures. (English)
14 October 2020
0 references
Reference_Aid_programme: SA.41471(2015/X) But_public_aid: Article 25 du règlement (CE) no 651/2014 du 17 juin 2014 déclarant certaines catégories d’aides compatibles avec le marché intérieur en application des articles 107 et 108 du traité (JO URZ. EU L 187/1 du 26.6.2014). L’objectif du projet est de développer des algorithmes pour automatiser l’analyse des cultures bactériennes sur des boîtes de pétri, en particulier la classification du type de bactéries plantées et le nombre de colonies bactériennes. Les algorithmes seront préparés sur la base de méthodes d’apprentissage profond qui, selon les connaissances scientifiques actuelles, sont les mieux adaptées à la reconnaissance d’images et peuvent naturellement être utilisées pour identifier les principales caractéristiques morphologiques des colonies bactériennes. En coopération avec un expert en microbiologie, une base de données de données de formation sera préparée pour correspondre aux paramètres des réseaux neuronaux artificiels. Il contiendra des images soigneusement décrites de plat de pétri, sur lesquels des souches bactériennes spécifiques ont été semées et qui peuvent être utilisées dans l’apprentissage supervisé. Des renseignements supplémentaires sur les échantillons seront fournis au moyen d’une analyse du spectre (spectral) et d’une carte tridimensionnelle de l’apex à l’aide du balayage laser. Les réseaux neuronaux convolutionnels (réseaux neuronaux convolutionnels) seront utilisés pour classer les échantillons, dont les hyperparamètres seront sélectionnés pour le problème à l’étude et leurs valeurs optimales trouvées par recoupement, évitant ainsi les problèmes avec & (soutien) ou & «guidance» surdimensionnement du modèle. Une analyse comparative des résultats obtenus avec ou sans données spectrales supplémentaires sera effectuée. Le produit final sera un logiciel spécialisé utilisant des algorithmes créés pour l’analyse des cultures bactériennes. (French)
30 November 2021
0 references
Referenz_Aid_Programm: SA.41471(2015/X) Zweck_public_aid: Artikel 25 der Verordnung (EG) Nr. 651/2014 vom 17. Juni 2014 zur Feststellung der Vereinbarkeit bestimmter Gruppen von Beihilfen mit dem Binnenmarkt in Anwendung der Artikel 107 und 108 AEUV (ABl. URZ. EU L 187/1 vom 26.6.2014). Ziel des Projekts ist es, Algorithmen zu entwickeln, um die Analyse bakterieller Kulturkulturen auf Petrischalen zu automatisieren, insbesondere die Klassifizierung der Art der gepflanzten Bakterien und die Anzahl der bakteriellen Kolonien. Algorithmen werden auf der Grundlage von Deep-Learning-Methoden erstellt, die nach den aktuellen wissenschaftlichen Erkenntnissen am besten für die Bilderkennung geeignet sind und von Natur aus genutzt werden können, um wichtige morphologische Merkmale bakterieller Kolonien zu identifizieren. In Zusammenarbeit mit einem Experten für Mikrobiologie wird eine Datenbank mit Trainingsdaten erstellt, die den Parametern künstlicher neuronaler Netzwerke entspricht. Sie enthält sorgfältig beschriebene Bilder von Petrischalen, auf denen bestimmte Bakterienstämme ausgesät wurden und die zum überwachten Lernen verwendet werden können. Zusätzliche Informationen zu Proben werden durch die Spektrumanalyse (spektral) und eine dreidimensionale Apex-Karte mit Laserscanning bereitgestellt. Konvolutionale neuronale Netzwerke (konvolutionale neuronale Netzwerke) werden zur Klassifizierung von Proben verwendet, deren Hyperparameter für das betreffende Problem ausgewählt werden und deren optimale Werte durch Abgleich ermittelt werden, wodurch Probleme mit & AMP vermieden werden; (unterbaut) oder & „Leitung“ Überrüstung des Modells. Es wird eine vergleichende Analyse der Ergebnisse durchgeführt, die mit oder ohne zusätzliche Spektraldaten erzielt wurden. Das Endprodukt wird spezialisierte Software mit erstellten Algorithmen für die Analyse von Bakterienkulturen. (German)
7 December 2021
0 references
Referentie_Aid_programma: SA.41471(2015/X) Doel_public_aid: Artikel 25 van Verordening (EG) nr. 651/2014 van 17 juni 2014 waarbij bepaalde categorieën steun op grond van de artikelen 107 en 108 van het Verdrag met de interne markt verenigbaar worden verklaard (PB URZ. EU L 187/1 van 26.6.2014). Het doel van het project is om algoritmen te ontwikkelen om de analyse van bacteriële cultuurculturen op petrischalen te automatiseren, met name de classificatie van het type bacteriën geplant en het aantal bacteriële kolonies. Algoritmen zullen worden voorbereid op basis van diepe leermethoden die volgens de huidige wetenschappelijke kennis het meest geschikt zijn voor beeldherkenning en van nature kunnen worden gebruikt om de belangrijkste morfologische kenmerken van bacteriële kolonies te identificeren. In samenwerking met een deskundige op het gebied van microbiologie zal een databank van opleidingsgegevens worden opgesteld om de parameters van kunstmatige neurale netwerken aan te passen. Het zal zorgvuldig beschreven foto’s van petrischaal bevatten, waarop specifieke bacteriële stammen zijn gezaaid en die kunnen worden gebruikt bij het onder toezicht leren. Aanvullende informatie over monsters zal worden verstrekt door middel van spectrumanalyse (spectral) en een driedimensionale topkaart met behulp van laserscanning. Convolutionele neurale netwerken (convolutional neurale netwerken) zullen worden gebruikt om monsters te classificeren, waarvan de hyperparameters zullen worden geselecteerd voor het probleem in kwestie en hun optimale waarden zullen worden gevonden door kruiscontroles, waardoor problemen met & AMP worden vermeden; (outfitting) of & „richtsnoeren” overfitting van het model. Een vergelijkende analyse van de verkregen resultaten met of zonder aanvullende spectrale gegevens zal worden uitgevoerd. Het eindproduct zal gespecialiseerde software zijn met behulp van gemaakte algoritmen voor de analyse van bacteriële culturen. (Dutch)
16 December 2021
0 references
Riferimento_Aid_programma: SA.41471(2015/X) Scopo_pubblico_aiuto: Articolo 25 del regolamento (CE) n. 651/2014, del 17 giugno 2014, che dichiara alcune categorie di aiuti compatibili con il mercato interno in applicazione degli articoli 107 e 108 del trattato (GU URZ. UE L 187/1 del 26.6.2014). L'obiettivo del progetto è quello di sviluppare algoritmi per automatizzare l'analisi delle colture batteriche su piatti di Petri, in particolare la classificazione del tipo di batteri piantati e il numero di colonie batteriche. Gli algoritmi saranno preparati sulla base di metodi di apprendimento profondo che, secondo le attuali conoscenze scientifiche, sono più adatti per il riconoscimento dell'immagine e possono essere utilizzati naturalmente per identificare le caratteristiche morfologiche chiave delle colonie batteriche. In collaborazione con un esperto in microbiologia, sarà preparata una banca dati di formazione per soddisfare i parametri delle reti neurali artificiali. Esso conterrà immagini accuratamente descritte di Petri piatto, su cui sono stati seminati ceppi batterici specifici e che possono essere utilizzati per l'apprendimento supervisionato. Ulteriori informazioni sui campioni saranno fornite dall'analisi dello spettro (spettrale) e da una mappa apice tridimensionale utilizzando la scansione laser. Le reti neurali convoluzionali (reti neurali convoluzionali) saranno utilizzate per classificare i campioni, i cui iperparametri saranno selezionati per il problema in esame e i loro valori ottimali trovati mediante controlli incrociati, evitando così problemi con & (sottoadattamento) o "guida" di & overfitting del modello. Sarà effettuata un'analisi comparativa dei risultati ottenuti con o senza ulteriori dati spettrali. Il prodotto finale sarà un software specializzato che utilizza algoritmi creati per l'analisi delle colture batteriche. (Italian)
15 January 2022
0 references
Reference_Aid_programa: SA.41471(2015/X) Purpose_public_aid: Artículo 25 del Reglamento (CE) n.º 651/2014, de 17 de junio de 2014, por el que se declaran determinadas categorías de ayudas compatibles con el mercado interior en aplicación de los artículos 107 y 108 del Tratado (DO URZ. EU L 187/1 de 26.6.2014). El objetivo del proyecto es desarrollar algoritmos para automatizar el análisis de cultivos bacterianos en placas de petri, en particular la clasificación del tipo de bacterias plantadas y el número de colonias bacterianas. Los algoritmos se prepararán sobre la base de métodos de aprendizaje profundo que, según los conocimientos científicos actuales, son los más adecuados para el reconocimiento de imágenes y pueden utilizarse naturalmente para identificar las características morfológicas clave de las colonias bacterianas. En cooperación con un experto en microbiología, se preparará una base de datos de datos de capacitación para que coincida con los parámetros de las redes neuronales artificiales. Contendrá imágenes cuidadosamente descritas de la placa de Petri, en la que se han sembrado cepas bacterianas específicas y que pueden utilizarse en el aprendizaje supervisado. Se proporcionará información adicional sobre las muestras mediante análisis de espectro (espectral) y un mapa de ápice tridimensional mediante escaneo láser. Las redes neuronales convolucionales (redes neuronales convolucionales) se utilizarán para clasificar muestras, cuyos hiperparámetros serán seleccionados para el problema considerado y sus valores óptimos encontrados mediante la comprobación cruzada, evitando así problemas con & (inadaptación) o «orientación» de & sobreadaptación del modelo. Se realizará un análisis comparativo de los resultados obtenidos con o sin datos espectrales adicionales. El producto final será un software especializado utilizando algoritmos creados para el análisis de cultivos bacterianos. (Spanish)
19 January 2022
0 references
Abiprogrammi viitenumber: SA.41471(2015/X) Riigiabi eesmärk: EÜ 17. juuni 2014. aasta määruse (EL) nr 651/2014 (ELi toimimise lepingu artiklite 107 ja 108 kohaldamise kohta, millega teatavat liiki abi tunnistatakse siseturuga kokkusobivaks) artikkel 25 (ELT L. EL L 187/1, 26.6.2014). Projekti eesmärk on töötada välja algoritme, et automatiseerida Petri tasside bakterikultuuride analüüs, eelkõige külvatud bakterite liigi ja bakterikolooniate arvu klassifikatsioon. Algoritmid põhinevad süvaõppe meetoditel, mis praeguste teaduslike teadmiste kohaselt sobivad kõige paremini kujutise tuvastamiseks ja mida saab loomulikult kasutada bakterikolooniate peamiste morfoloogiliste omaduste kindlakstegemiseks. Koostöös mikrobioloogia valdkonna eksperdiga valmistatakse ette koolituste andmebaas, mis on vajalik tehisnärvivõrkude parameetritega vastavusse viimiseks. See sisaldab täpselt määratletud pilte Petri roogadest, millele on istutatud täpselt määratletud bakteritüved ja mida saab kasutada järelevalve all õppimisel. Lisateavet proovide kohta saadakse spektrianalüüsi (spektraalne) ja laserskaneerimise teel tehtud kolmemõõtmelise tippude kaardi abil. Proovide liigitamiseks kasutatakse konvolutsioonilisi neurovõrke (konvolutsioonilisi neurovõrke), mille hüperparameetrid valitakse käsitletava probleemi jaoks ja nende optimaalsed väärtused ristkontrollimisel väldivad probleeme "ga; Ebasobiv või " Ülesobiv mudel. Saadud tulemusi tuleb võrdlevalt analüüsida koos täiendavate spektraalandmetega või ilma. Lõpptoode on spetsialiseerunud tarkvara, mis kasutab loodud algoritme bakterikultuuride analüüsimiseks. (Estonian)
13 August 2022
0 references
Pagalbos programos nuorodos numeris: SA.41471(2015/X) Viešosios pagalbos tikslas: 2014 m. birželio 17 d. EB reglamento Nr. 651/2014, skelbiančio tam tikrų rūšių pagalbą suderinama su vidaus rinka taikant Sutarties 107 ir 108 straipsnius, 25 straipsnis (OL L. 2014 m. birželio 26 d. ES L 187/1). Projekto tikslas – sukurti algoritmus, skirtus automatizuoti bakterijų kultūrų analizę ant petri indų, visų pirma sėjamų bakterijų tipo klasifikaciją ir bakterijų kolonijų skaičių. Algoritmai bus grindžiami giliais mokymosi metodais, kurie, remiantis dabartinėmis mokslo žiniomis, geriausiai tinka vaizdo atpažinimui ir gali būti natūraliai naudojami nustatant pagrindines bakterijų kolonijų morfologines savybes. Bendradarbiaujant su mikrobiologijos srities ekspertu, bus parengta mokymo duomenų bazė, reikalinga dirbtinių nervų tinklų parametrams suderinti. Jame bus aiškiai apibrėžti Petri patiekalų vaizdai, ant kurių buvo pasodintos aiškiai apibrėžtos bakterinės padermės ir kurie gali būti naudojami prižiūrint mokymąsi. Papildoma informacija apie mėginius bus pateikta atliekant spektro analizę (spektrinę) ir lazerinio skenavimo būdu parengtą trimatį viršūnių žemėlapį. Konvoliuciniai neuroniniai tinklai (konvoliutiniai neuroniniai tinklai) bus naudojami ėminiams klasifikuoti, kurių hiperparametrai bus atrinkti nagrinėjamai problemai spręsti, o jų optimalios vertės, nustatytos atliekant kryžminę patikrą, padės išvengti problemų su " Netinkamas arba " Perteklinis modelis. Atliekama rezultatų, gautų su papildomais spektriniais duomenimis arba be jų, lyginamoji analizė. Galutinis produktas bus specializuota programinė įranga, naudojant sukurtus algoritmus bakterijų kultūroms analizuoti. (Lithuanian)
13 August 2022
0 references
Referentni broj programa potpore: SA.41471(2015/X) Svrha javne potpore: Članak 25. Uredbe EZ-a br. 651/2014 od 17. lipnja 2014. o ocjenjivanju određenih vrsta potpora spojivima s unutarnjim tržištem u primjeni članaka 107. i 108. Ugovora (SL L. Žao mi je. EU L 187/1 od 26. lipnja 2014.). Cilj projekta je razviti algoritme za automatizaciju analize bakterijskih kultura na Petrijevim posudama, posebno klasifikaciju vrste zasijanih bakterija i broja bakterijskih kolonija. Algoritmi će se temeljiti na metodama dubokog učenja koje su, prema trenutačnim znanstvenim spoznajama, najprikladnije za prepoznavanje slike i mogu se, naravno, koristiti za prepoznavanje ključnih morfoloških značajki bakterijskih kolonija. U suradnji sa stručnjakom iz područja mikrobiologije pripremit će se baza podataka osposobljavanja koja će odgovarati parametrima umjetnih neuronskih mreža. Sadržavat će jasno definirane slike Petrijevih jela na kojima su zasađeni dobro definirani bakterijski sojevi i koji se mogu koristiti u nadziranom učenju. Dodatne informacije o uzorcima osigurat će se analizom spektra (spektralnim) i trodimenzionalnom kartom verticesa izrađenim laserskim skeniranjem. Konvolucijske neuronske mreže (konvolucijske neuronske mreže) koristit će se za klasifikaciju uzoraka, čiji će hiperparametri biti odabrani za problem koji se razmatra, a njihove optimalne vrijednosti pronađene unakrsnom provjerom izbjeći će probleme s " Nedolikuje ili " Model za previsoku ugradnju. Provodi se usporedna analiza rezultata dobivenih s dodatnim spektralnim podacima ili bez njih. Konačni proizvod će biti specijalizirani softver pomoću stvorenih algoritama za analizu bakterijskih kultura. (Croatian)
13 August 2022
0 references
Αριθμός αναφοράς του προγράμματος ενίσχυσης: SA.41471(2015/X) Σκοπός της δημόσιας ενίσχυσης: Άρθρο 25 του κανονισμού (ΕΚ) αριθ. 651/2014, της 17ης Ιουνίου 2014, για την κήρυξη ορισμένων ειδών ενισχύσεων ως συμβατών με την εσωτερική αγορά κατ’ εφαρμογή των άρθρων 107 και 108 της Συνθήκης (ΕΕ L. ΕΕ L 187/1 της 26.6.2014). Στόχος του έργου είναι η ανάπτυξη αλγορίθμων για την αυτοματοποίηση της ανάλυσης των βακτηριακών καλλιεργειών σε πιάτα petri, ιδίως η ταξινόμηση του τύπου των σπαρμένων βακτηρίων και ο αριθμός των βακτηριακών αποικιών. Οι αλγόριθμοι θα βασίζονται σε μεθόδους βαθιάς μάθησης, οι οποίες, σύμφωνα με τις τρέχουσες επιστημονικές γνώσεις, είναι οι πλέον κατάλληλες για την αναγνώριση εικόνας και μπορούν φυσικά να χρησιμοποιηθούν για τον εντοπισμό βασικών μορφολογικών χαρακτηριστικών των βακτηριακών αποικιών. Σε συνεργασία με έναν εμπειρογνώμονα στον τομέα της μικροβιολογίας, θα καταρτιστεί μια βάση δεδομένων κατάρτισης, η οποία θα είναι απαραίτητη για την αντιστοίχιση των παραμέτρων των τεχνητών νευρωνικών δικτύων. Θα περιέχει σαφώς καθορισμένες εικόνες από πιάτα Petri, στις οποίες έχουν φυτευτεί σαφώς καθορισμένα στελέχη βακτηρίων και τα οποία μπορούν να χρησιμοποιηθούν στην εποπτευόμενη μάθηση. Πρόσθετες πληροφορίες σχετικά με τα δείγματα θα παρέχονται με ανάλυση φάσματος (φασματικό) και τρισδιάστατο χάρτη κορυφών από σάρωση με λέιζερ. Συστατικά νευρωνικά δίκτυα (συνολικά νευρωνικά δίκτυα) θα χρησιμοποιηθούν για την ταξινόμηση δειγμάτων, των οποίων οι υπερπαράμετροι θα επιλεγούν για το υπό εξέταση πρόβλημα και οι βέλτιστες τιμές τους που θα βρεθούν με διασταυρούμενο έλεγχο θα αποφύγουν προβλήματα με ". Υποκατάστατο ή "· Μοντέλο υπερεξάρτησης. Διενεργείται συγκριτική ανάλυση των αποτελεσμάτων που λαμβάνονται με ή χωρίς πρόσθετα φασματικά δεδομένα. Το τελικό προϊόν θα είναι εξειδικευμένο λογισμικό με τη χρήση δημιουργημένων αλγορίθμων για την ανάλυση βακτηριακών καλλιεργειών. (Greek)
13 August 2022
0 references
Referenčné číslo programu pomoci: SA.41471(2015/X) Účel verejnej pomoci: Článok 25 nariadenia ES č. 651/2014 zo 17. júna 2014 o vyhlásení určitých druhov pomoci za zlučiteľné s vnútorným trhom pri uplatňovaní článkov 107 a 108 zmluvy (Ú. v. EÚ L. EÚ L 187/1 z 26. júna 2014). Cieľom projektu je vyvinúť algoritmy na automatizáciu analýzy bakteriálnych kultúr na Petriho misky, najmä klasifikáciu typu zasiatych baktérií a počet bakteriálnych kolónií. Algoritmy budú založené na metódach hĺbkového učenia, ktoré sú podľa súčasných vedeckých poznatkov najvhodnejšie na rozpoznávanie obrazu a prirodzene sa môžu použiť na identifikáciu kľúčových morfologických vlastností bakteriálnych kolónií. V spolupráci s odborníkom v oblasti mikrobiológie sa pripraví databáza odbornej prípravy, ktorá bude potrebná na to, aby zodpovedala parametrom umelých neurónových sietí. Bude obsahovať dobre definované obrazy Petriho misky, na ktorých boli vysadené dobre definované bakteriálne kmene a ktoré sa môžu použiť na učenie sa pod dohľadom. Dodatočné informácie o vzorkách sa poskytnú prostredníctvom analýzy spektra (spektrálnej) a trojrozmernej mapy vrcholov vykonaných laserovým skenovaním. Konvolučné neurónové siete (konvolučné neurónové siete) sa použijú na klasifikáciu vzoriek, ktorých hyperparametre sa vyberú pre posudzovaný problém a ich optimálne hodnoty zistené krížovou kontrolou zabránia problémom s " Nedostatočná montáž alebo " Premontovať model. Vykoná sa porovnávacia analýza výsledkov získaných s dodatočnými spektrálnymi údajmi alebo bez nich. Konečným produktom bude špecializovaný softvér využívajúci vytvorené algoritmy na analýzu bakteriálnych kultúr. (Slovak)
13 August 2022
0 references
Tukiohjelman viitenumero: SA.41471(2015/X) Julkisen tuen tarkoitus: Tietyntyyppisten tukien toteamisesta sisämarkkinoille soveltuviksi perussopimuksen 107 ja 108 artiklan mukaisesti 17. kesäkuuta 2014 annetun asetuksen (EU) N:o 651/2014 25 artikla (EUVL L., s. (EU L 187/1, 26.6.2014). Hankkeen tavoitteena on kehittää algoritmeja, joiden avulla voidaan automatisoida petriruokien bakteeriviljelmien analysointi, erityisesti kylvettyjen bakteerityyppien ja bakteeriyhdyskuntien määrän luokittelu. Algoritmit perustuvat syväoppimismenetelmiin, jotka nykyisen tieteellisen tiedon mukaan soveltuvat parhaiten kuvantunnistukseen ja joita voidaan luonnollisesti käyttää bakteeriyhdyskuntien keskeisten morfologisten piirteiden tunnistamiseen. Yhteistyössä mikrobiologian asiantuntijan kanssa laaditaan koulutustietokanta, jota tarvitaan keinotekoisten hermoverkkojen parametrien vastaamiseksi. Se sisältää hyvin määriteltyjä kuvia Petri-ruoista, joihin on istutettu tarkoin määriteltyjä bakteerikantoja ja joita voidaan käyttää valvotussa oppimisessa. Lisätietoja näytteistä saadaan spektrianalyysin (spektrianalyysi) ja laserskannauksen avulla tehdyn kolmiulotteisen kartan avulla tehdyistä verticeistä. Otosten luokitteluun käytetään konvolutional neuroverkkoja (konvolutional neuroverkkoja), joiden hyperparametrit valitaan tarkasteltavaan ongelmaan ja niiden optimaaliset arvot, jotka on löydetty ristiintarkastuksella, välttävät ongelmia " Alusasennus tai " Yliasennusmalli. On tehtävä vertaileva analyysi tuloksista, jotka on saatu lisäspektritietojen kanssa tai ilman niitä. Lopullinen tuote on erikoistunut ohjelmisto, jossa käytetään luotuja algoritmeja bakteeriviljelmien analysointiin. (Finnish)
13 August 2022
0 references
A támogatási program hivatkozási száma: SA.41471(2015/X) Állami támogatás célja: A Szerződés 107. és 108. cikkének alkalmazásában bizonyos típusú támogatásoknak a belső piaccal összeegyeztethetőnek nyilvánításáról szóló, 2014. június 17-i 651/2014/EK rendelet (HL L., 2014. június 17.) 25. cikke. EU L 187/1, 2014.6.26.). A projekt célja olyan algoritmusok kidolgozása, amelyek automatizálják a petri edényeken található baktériumkultúrák elemzését, különös tekintettel a bevetett baktériumok típusának és a baktériumtelepek számának osztályozására. Az algoritmusok mély tanulási módszereken alapulnak, amelyek a jelenlegi tudományos ismeretek szerint a legjobban alkalmasak a képfelismerésre, és természetesen felhasználhatók a bakteriális telepek kulcsfontosságú morfológiai jellemzőinek azonosítására. A mikrobiológia szakértőjével együttműködve képzési adatbázis készül, amely megfelel a mesterséges neurális hálózatok paramétereinek. Jól meghatározott képeket tartalmaz a Petri ételekről, amelyeken jól meghatározott bakteriális törzseket ültettek, és amelyek felhasználhatók a felügyelt tanuláshoz. A mintákra vonatkozó további információkat spektrumelemzés (spektrális) és lézerszkenneléssel készített háromdimenziós csúcstérkép szolgáltatja. Konvolúciós neurális hálózatokat (konvolúciós neurális hálózatokat) használnak a minták osztályozására, amelyek hiperparamétereit kiválasztják a vizsgált problémára, és a keresztellenőrzéssel megállapított optimális értékük elkerüli a " Nem megfelelő vagy " Túl illik a modellhez. El kell végezni a kapott eredmények összehasonlító elemzését további spektrális adatokkal vagy anélkül. A végtermék speciális szoftver lesz, amely létrehozott algoritmusokat használ a bakteriális kultúrák elemzésére. (Hungarian)
13 August 2022
0 references
Referenční číslo programu podpory: SA.41471(2015/X) Účel veřejné podpory: Článek 25 nařízení ES č. 651/2014 ze dne 17. června 2014, kterým se v souladu s články 107 a 108 Smlouvy prohlašují určité druhy podpory za slučitelné s vnitřním trhem (Úř. věst. L. EU L 187/1 ze dne 26. června 2014. Cílem projektu je vyvinout algoritmy pro automatizaci analýzy bakteriálních kultur na Petriho miskách, zejména klasifikaci typu osetých bakterií a počtu bakteriálních kolonií. Algoritmy budou založeny na metodách hlubokého učení, které jsou podle současných vědeckých poznatků nejvhodnější pro rozpoznávání obrazu a mohou být přirozeně použity k identifikaci klíčových morfologických rysů bakteriálních kolonií. Ve spolupráci s odborníkem v oblasti mikrobiologie bude připravena školicí databáze, která bude potřebná pro přizpůsobení parametrů umělých neuronových sítí. Bude obsahovat dobře definované obrazy Petriho pokrmů, na kterých byly zasazeny přesně definované bakteriální kmeny a které mohou být použity při učení pod dohledem. Další informace o vzorcích budou poskytnuty spektrální analýzou (spektrální) a trojrozměrnou mapou vrcholů laserovým skenováním. Pro klasifikaci vzorků budou použity konvoluční neuronové sítě (konvoluční neuronové sítě), jejichž hyperparametry budou vybrány pro daný problém a jejich optimální hodnoty zjištěné křížovou kontrolou zabrání problémům s " Nedostatečné vybavení nebo " Přestrojení modelu. Provede se srovnávací analýza výsledků získaných s dodatečnými spektrálními údaji nebo bez nich. Konečným produktem bude specializovaný software s využitím vytvořených algoritmů pro analýzu bakteriálních kultur. (Czech)
13 August 2022
0 references
Atbalsta programmas atsauces numurs: SA.41471(2015/X) Publiskā atbalsta mērķis: EK 2014. gada 17. jūnija Regulas Nr. 651/2014, ar ko noteiktus atbalsta veidus atzīst par saderīgiem ar iekšējo tirgu, piemērojot Līguma 107. un 108. pantu (OV L., 25. pants). EU L 187/1, 26.6.2014.). Projekta mērķis ir izstrādāt algoritmus, lai automatizētu baktēriju kultūru analīzi Petri ēdienos, jo īpaši sēto baktēriju veidu klasifikāciju un baktēriju koloniju skaitu. Algoritmi balstīsies uz dziļām mācīšanās metodēm, kas saskaņā ar pašreizējām zinātnes atziņām ir vispiemērotākās attēlu atpazīšanai un ko, protams, var izmantot, lai noteiktu baktēriju koloniju galvenās morfoloģiskās īpašības. Sadarbībā ar ekspertu mikrobioloģijas jomā tiks sagatavota mācību datubāze, kas nepieciešama, lai atbilstu mākslīgo neironu tīklu parametriem. Tajā būs skaidri definēti Petri ēdienu attēli, uz kuriem ir iestādīti precīzi definēti baktēriju celmi un kurus var izmantot uzraudzītas mācīšanās procesā. Papildu informāciju par paraugiem sniegs spektra analīze (spektrāls) un trīsdimensiju virsotņu karte, ko veic ar lāzera skenēšanu. Konvolūcijas neironu tīkli (konvolūcijas neironu tīkli) tiks izmantoti, lai klasificētu paraugus, kuru hiperparametri tiks izvēlēti izskatāmās problēmas risināšanai, un to optimālās vērtības, kas atrastas, veicot kontrolpārbaudi, novērsīs problēmas ar " Nepietiekama aprīkošana vai & citāts; Pārmontēšanas modelis. Veic salīdzinošo analīzi par rezultātiem, kas iegūti ar papildu spektrālajiem datiem vai bez tiem. Galaprodukts būs specializēta programmatūra, izmantojot izveidotos algoritmus baktēriju kultūru analīzei. (Latvian)
13 August 2022
0 references
Uimhir thagartha an chláir cabhrach: SA.41471(2015/X) Cuspóir na cabhrach poiblí: Airteagal 25 de Rialachán CE Uimh. 651/2014 an 17 Meitheamh 2014 ina ndearbhaítear go bhfuil cineálacha áirithe cabhrach comhoiriúnach leis an margadh inmheánach i gcur i bhfeidhm Airteagal 107 agus Airteagal 108 den Chonradh (IO L. Is oth liom. AE L 187/1 an 26.6.2014). Is é aidhm an tionscadail algartaim a fhorbairt chun anailís na gcultúr baictéarach ar miasa petri a uathoibriú, go háirithe aicmiú an chineáil baictéir a cuireadh agus líon na gcoilíneachtaí baictéaracha. Beidh algartaim bunaithe ar mhodhanna domhainfhoghlama, a oireann, de réir an eolais eolaíoch reatha, d’aithint íomhánna agus is féidir iad a úsáid go nádúrtha chun príomhghnéithe moirfeolaíocha coilíneachtaí baictéaracha a aithint. I gcomhar le saineolaí i réimse na micribhitheolaíochta, ullmhófar bunachar sonraí oiliúna a bheidh ag teastáil chun paraiméadair na líonraí néaracha saorga a mheaitseáil. Beidh íomhánna dea-shainithe de miasa Petri ann, ar a bhfuil tréithchineálacha baictéaracha dea-shainithe curtha agus ar féidir iad a úsáid i bhfoghlaim faoi mhaoirseacht. Soláthrófar faisnéis bhreise faoi na samplaí trí anailís speictrim (speictreach) agus léarscáil thríthoiseach de rinn a dhéantar trí scanadh léasair. Bainfear úsáid as líonraí néaracha convolutional (líonraí néaracha réabhlóideacha) chun samplaí a aicmiú, a roghnófar a hipearpharaiméadair don fhadhb atá á breithniú agus a luachanna optamacha a aimseofar trí chros-seiceáil a sheachaint agus seachnófar fadhbanna le " Fo-fheistiú nó foshuíomh; Samhail overfitting. Déanfar anailís chomparáideach ar na torthaí a fhaightear le sonraí speictreacha breise nó dá n-uireasa. Beidh an táirge deiridh ina bogearraí speisialaithe ag baint úsáide as algartaim a cruthaíodh chun anailís a dhéanamh ar chultúir baictéaracha. (Irish)
13 August 2022
0 references
Referenčna številka programa pomoči: SA.41471(2015/X) Namen državne pomoči: Člen 25 Uredbe ES št. 651/2014 z dne 17. junija 2014 o razglasitvi nekaterih vrst pomoči za združljive z notranjim trgom pri uporabi členov 107 in 108 Pogodbe (UL L. EU L 187/1 z dne 26. junija 2014). Cilj projekta je razviti algoritme za avtomatizacijo analize bakterijskih kultur na petrijevkah, zlasti razvrstitev vrste posejanih bakterij in števila bakterijskih kolonij. Algoritmi bodo temeljili na metodah globokega učenja, ki so v skladu s trenutnimi znanstvenimi spoznanji najprimernejše za prepoznavanje podobe in se lahko seveda uporabijo za prepoznavanje ključnih morfoloških značilnosti bakterijskih kolonij. V sodelovanju s strokovnjakom s področja mikrobiologije bo pripravljena podatkovna zbirka usposabljanja, ki bo ustrezala parametrom umetnih nevronskih mrež. Vseboval bo dobro opredeljene podobe Petrijevih jedi, na katerih so bili posajeni dobro opredeljeni bakterijski sevi in ki jih je mogoče uporabiti pri nadzorovanem učenju. Dodatne informacije o vzorcih bodo zagotovljene z analizo spektra (spektralno) in tridimenzionalno karto točk, narejenih z laserskim skeniranjem. Konvolucionalne nevronske mreže (konvolucionalne nevronske mreže) se bodo uporabljale za razvrščanje vzorcev, katerih hiperparametri bodo izbrani za obravnavano težavo in njihove optimalne vrednosti, ugotovljene z navzkrižnim preverjanjem, se bodo izognile težavam s " Premajhno prileganje ali &kvot; Model preobremenitve. Izvede se primerjalna analiza rezultatov, dobljenih z dodatnimi spektralnimi podatki ali brez njih. Končni izdelek bo specializirana programska oprema z uporabo ustvarjenih algoritmov za analizo bakterijskih kultur. (Slovenian)
13 August 2022
0 references
Референтен номер на програмата за помощ: SA.41471(2015/X) Цел на публичната помощ: Член 25 от Регламент (ЕС) № 651/2014 на Съвета от 17 юни 2014 г. за обявяване на някои видове помощи за съвместими с вътрешния пазар в приложение на членове 107 и 108 от Договора (ОВ L., стр. 1). ЕС L 187/1 от 26.6.2014 г.). Целта на проекта е да се разработят алгоритми за автоматизиране на анализа на бактериалните култури върху петри ястия, по-специално класификацията на вида на засетите бактерии и броя на бактериалните колонии. Алгоритмите ще се основават на методи за задълбочено обучение, които според съвременните научни познания са най-подходящи за разпознаване на изображения и могат естествено да се използват за идентифициране на ключови морфологични характеристики на бактериалните колонии. В сътрудничество с експерт в областта на микробиологията ще бъде подготвена база данни за обучение, която да съответства на параметрите на изкуствените невронни мрежи. Той ще съдържа добре дефинирани изображения на ястия от Петри, на които са засадени добре определени бактериални щамове и които могат да се използват за контролирано обучение. Допълнителна информация за пробите ще бъде предоставена чрез спектрален анализ (спектрал) и триизмерна карта на върховете, направена чрез лазерно сканиране. Конволюционните невронни мрежи (конволюционни невронни мрежи) ще се използват за класифициране на проби, чиито хиперпараметри ще бъдат избрани за разглеждания проблем и техните оптимални стойности, установени чрез кръстосана проверка, ще избегнат проблеми с " Недостатъчно оборудване или усилване; котировка; Модел на претоварване. Извършва се сравнителен анализ на резултатите, получени със или без допълнителни спектрални данни. Крайният продукт ще бъде специализиран софтуер, използвайки създадени алгоритми за анализ на бактериални култури. (Bulgarian)
13 August 2022
0 references
Numru ta’ referenza tal-programm ta’ għajnuna: SA.41471(2015/X) Għan ta’ għajnuna pubblika: L-Artikolu 25 tar-Regolament tal-KE Nru 651/2014 tas-17 ta’ Ġunju 2014 li jiddikjara li ċerti tipi ta’ għajnuna huma kompatibbli mas-suq intern fl-applikazzjoni tal-Artikoli 107 u 108 tat-Trattat (ĠU L. I’m sorry. UE L 187/1 tas-26.06.2014). L-għan tal-proġett huwa li jiġu żviluppati algoritmi biex tiġi awtomatizzata l-analiżi ta’ kulturi batteriċi fuq dixxijiet petri, b’mod partikolari l-klassifikazzjoni tat-tip ta’ batterji miżrugħa u l-għadd ta’ kolonji batteriċi. L-algoritmi se jkunu bbażati fuq metodi ta’ tagħlim profond, li, skont l-għarfien xjentifiku attwali, huma l-aktar adatti għar-rikonoxximent tal-immaġni u jistgħu jintużaw b’mod naturali biex jiġu identifikati l-karatteristiċi morfoloġiċi ewlenin tal-kolonji batterjali. F’kooperazzjoni ma’ espert fil-qasam tal-mikrobijoloġija, se titħejja bażi tad-data tat-taħriġ, meħtieġa biex taqbel mal-parametri tan-netwerks newrali artifiċjali. Se jkun fih immaġnijiet definiti sew ta’ dixxijiet Petri, li fuqhom tħawlu razez ta’ batterji definiti sew u li jistgħu jintużaw fit-tagħlim sorveljat. Informazzjoni addizzjonali dwar il-kampjuni se tiġi pprovduta permezz ta’ analiżi tal-ispettru (spettrali) u mappa tridimensjonali tal-vertiċi magħmula permezz tal-iskannjar bil-lejżer. Netwerks newrali konvoluzzjonali (netwerks newrali konvoluzzjonali) se jintużaw biex jikklassifikaw kampjuni, li l-iperparametri tagħhom se jintgħażlu għall-problema li qed tiġi kkunsidrata u l-valuri ottimali tagħhom misjuba permezz ta’ kontroverifika jevitaw problemi bi &kwotazzjoni; Sottofitting jew &kwota; Mudell ta’ tagħmir żejjed. Għandha ssir analiżi komparattiva tar-riżultati miksuba b’dejta spettrali addizzjonali jew mingħajrha. Il-prodott finali se jkun softwer speċjalizzat bl-użu ta’ algoritmi maħluqa biex jiġu analizzati l-kulturi batteriċi. (Maltese)
13 August 2022
0 references
Número de referência do programa de ajuda: SA.41471(2015/X) Objetivo do auxílio público: Artigo 25.º do Regulamento (UE) n.º 651/2014 do Conselho, de 17 de junho de 2014, que declara certos tipos de auxílios compatíveis com o mercado interno na aplicação dos artigos 107.º e 108.º do Tratado (JO L. EU L 187/1 de 26.6.2014). O objetivo do projeto é desenvolver algoritmos para automatizar a análise de culturas bacterianas em placas de Petri, em particular a classificação do tipo de bactérias semeadas e o número de colônias bacterianas. Os algoritmos basear-se-ão em métodos de aprendizagem profunda que, de acordo com os conhecimentos científicos atuais, são mais adequados para o reconhecimento de imagens e podem naturalmente ser utilizados para identificar as principais características morfológicas das colónias bacterianas. Em cooperação com um perito no domínio da microbiologia, será preparada uma base de dados de formação, necessária para corresponder aos parâmetros das redes neurais artificiais. Ele conterá imagens bem definidas de pratos Petri, nas quais foram plantadas cepas bacterianas bem definidas e que podem ser usadas na aprendizagem supervisionada. Informações adicionais sobre as amostras serão fornecidas por análise de espetro (espetral) e um mapa tridimensional de vértices feito por varredura a laser. Redes neurais convolucionais (redes neurais convolucionais) serão usadas para classificar amostras, cujos hiperparâmetros serão selecionados para o problema em consideração e seus valores ótimos encontrados por verificação cruzada evitarão problemas com " Subequipamento ou " Modelo de superequipamento. Deve ser efetuada uma análise comparativa dos resultados obtidos com ou sem dados espetrais adicionais. O produto final será um software especializado usando algoritmos criados para analisar culturas bacterianas. (Portuguese)
13 August 2022
0 references
Støtteprogrammets referencenummer: SA.41471(2015/X) Formål med offentlig støtte: Artikel 25 i forordning (EF) nr. 651/2014 af 17. juni 2014 om visse former for støttes forenelighed med det indre marked i henhold til traktatens artikel 107 og 108 (EUT L. EU L 187/1 af 26.6.2014). Formålet med projektet er at udvikle algoritmer til at automatisere analysen af bakteriekulturer på petriskåle, navnlig klassificeringen af typen af såede bakterier og antallet af bakteriekolonier. Algoritmer vil være baseret på dyb læringsmetoder, som ifølge den nuværende videnskabelige viden er bedst egnede til billedgenkendelse og naturligt kan bruges til at identificere de vigtigste morfologiske træk ved bakteriekolonier. I samarbejde med en ekspert inden for mikrobiologi vil der blive udarbejdet en uddannelsesdatabase, som er nødvendig for at matche parametrene for kunstige neurale netværk. Den vil indeholde veldefinerede billeder af Petri-retter, hvor der er plantet veldefinerede bakteriestammer, og som kan anvendes i overvåget læring. Yderligere oplysninger om prøverne vil blive givet ved hjælp af spektrumanalyse (spektral) og et tredimensionalt kort over hjørner fremstillet ved laserscanning. Konvolutionelle neurale netværk (konvolutionelle neurale netværk) vil blive brugt til at klassificere prøver, hvis hyperparametre vil blive udvalgt til det pågældende problem, og deres optimale værdier, der findes ved krydskontrol, vil undgå problemer med " Undermontering eller " Overfitting model. Der skal foretages en sammenlignende analyse af de resultater, der er opnået med eller uden yderligere spektrale data. Det endelige produkt vil være specialiseret software ved hjælp af oprettede algoritmer til at analysere bakteriekulturer. (Danish)
13 August 2022
0 references
Numărul de referință al programului de ajutor: SA.41471(2015/X) Scopul ajutorului public: Articolul 25 din Regulamentul (UE) nr. 651/2014 din 17 iunie 2014 de declarare a anumitor tipuri de ajutoare compatibile cu piața internă în aplicarea articolelor 107 și 108 din tratat (JO L. Îmi pare rău. UE L 187/1 din 26.6.2014). Scopul proiectului este de a dezvolta algoritmi de automatizare a analizei culturilor bacteriene pe feluri de mâncare Petri, în special clasificarea tipului de bacterii semănate și numărul de colonii bacteriene. Algoritmii se vor baza pe metode de învățare profundă, care, în conformitate cu cunoștințele științifice actuale, sunt cele mai potrivite pentru recunoașterea imaginii și pot fi utilizate în mod natural pentru a identifica principalele caracteristici morfologice ale coloniilor bacteriene. În cooperare cu un expert în domeniul microbiologiei, va fi pregătită o bază de date de formare, necesară pentru a corespunde parametrilor rețelelor neuronale artificiale. Acesta va conține imagini bine definite ale felurilor de mâncare Petri, pe care au fost plantate tulpini bacteriene bine definite și care pot fi utilizate în învățarea supravegheată. Informații suplimentare privind eșantioanele vor fi furnizate prin analiza spectrului (spectral) și o hartă tridimensională a nodurilor realizată prin scanare cu laser. Rețelele neuronale convolutionale (rețele neuronale convoluționale) vor fi utilizate pentru clasificarea probelor, ale căror hiperparametri vor fi selectate pentru problema în cauză, iar valorile lor optime găsite prin verificarea încrucișată vor evita problemele cu " Subadaptare sau " Modelul de supraamenajare. Se efectuează o analiză comparativă a rezultatelor obținute cu sau fără date spectrale suplimentare. Produsul final va fi software specializat, folosind algoritmi creați pentru a analiza culturile bacteriene. (Romanian)
13 August 2022
0 references
Stödprogrammets referensnummer: SA.41471(2015/X) Syftet med det offentliga stödet: Artikel 25 i förordning (EU) nr 651/2014 av den 17 juni 2014 genom vilken vissa typer av stöd förklaras förenliga med den inre marknaden vid tillämpningen av artiklarna 107 och 108 i fördraget (EUT L. EU L 187/1 av den 26 juni 2014). Syftet med projektet är att utveckla algoritmer för att automatisera analysen av bakteriekulturer på petriskrätter, särskilt klassificeringen av typen av sådda bakterier och antalet bakteriekolonier. Algoritmer kommer att baseras på djupinlärningsmetoder, som enligt aktuell vetenskaplig kunskap är bäst lämpade för bildigenkänning och som naturligtvis kan användas för att identifiera centrala morfologiska egenskaper i bakteriekolonier. I samarbete med en expert på mikrobiologi kommer en utbildningsdatabas att utarbetas, som behövs för att matcha parametrarna för artificiella neurala nätverk. Den kommer att innehålla väldefinierade bilder av petriskrätter, på vilka väldefinierade bakteriestammar har planterats och som kan användas i övervakad inlärning. Ytterligare information om proverna kommer att tillhandahållas genom spektrumanalys (spektral) och en tredimensionell karta över hörn genom laserskanning. Konvolutionella neurala nätverk (konvolutionella neurala nätverk) används för att klassificera prover, vars hyperparametrar kommer att väljas för det aktuella problemet och deras optimala värden som hittas genom dubbelkontroll kommer att undvika problem med " Undermontering eller " Övermonterad modell. En jämförande analys av de resultat som erhållits med eller utan ytterligare spektrala data ska utföras. Slutprodukten kommer att vara specialiserad programvara med hjälp av skapade algoritmer för att analysera bakteriekulturer. (Swedish)
13 August 2022
0 references
WOJ.: DOLNOŚLĄSKIE, POW.: Wrocław
0 references
Identifiers
POIR.01.01.01-00-0040/18
0 references