論文の概要: Cell Mechanics Based Computational Classification of Red Blood Cells Via
Machine Intelligence Applied to Morpho-Rheological Markers
- arxiv url: http://arxiv.org/abs/2003.00009v1
- Date: Mon, 2 Mar 2020 15:11:46 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-27 04:40:05.588114
- Title: Cell Mechanics Based Computational Classification of Red Blood Cells Via
Machine Intelligence Applied to Morpho-Rheological Markers
- Title（参考訳）: 機械知による赤血球の細胞力学に基づく計算分類 : 形態レオロジーマーカーへの応用
- Authors: Yan Ge, Philipp Rosendahl, Claudio Dur\'an, Nicole T\"opfner, Sara
Ciucci, Jochen Guck, and Carlo Vittorio Cannistraci
- Abstract要約: 非教師なし機械学習手法は、リアルタイム変形性と蛍光(RT-FDC)により得られる形態・レオロジーマーカーにのみ適用される
提案手法は, 成熟赤血球由来の赤血球の分類において, ラベルフリーで有望な結果が得られたことを報告した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Despite fluorescent cell-labelling being widely employed in biomedical
studies, some of its drawbacks are inevitable, with unsuitable fluorescent
probes or probes inducing a functional change being the main limitations.
Consequently, the demand for and development of label-free methodologies to
classify cells is strong and its impact on precision medicine is relevant.
Towards this end, high-throughput techniques for cell mechanical phenotyping
have been proposed to get a multidimensional biophysical characterization of
single cells. With this motivation, our goal here is to investigate the extent
to which an unsupervised machine learning methodology, which is applied
exclusively on morpho-rheological markers obtained by real-time deformability
and fluorescence cytometry (RT-FDC), can address the difficult task of
providing label-free discrimination of reticulocytes from mature red blood
cells. We focused on this problem, since the characterization of reticulocytes
(their percentage and cellular features) in the blood is vital in multiple
human disease conditions, especially bone-marrow disorders such as anemia and
leukemia. Our approach reports promising label-free results in the
classification of reticulocytes from mature red blood cells, and it represents
a step forward in the development of high-throughput morpho-rheological-based
methodologies for the computational categorization of single cells. Besides,
our methodology can be an alternative but also a complementary method to
integrate with existing cell-labelling techniques.
- Abstract（参考訳）: 蛍光セルラベリングは医学的な研究で広く用いられているが、その欠点の一部は避けられないものであり、蛍光プローブやプローブは機能的な変化を誘導する。
したがって、細胞を分類するためのラベルフリーな方法論の需要と開発が強く、その精度医療への影響が重要となる。
この目的のために、単一細胞の多次元生体物理特性を得るために、セルメカニカル・フェノタイピングのための高スループット技術が提案されている。
本研究の目的は,リアルタイム変形性と蛍光サイトメトリー(rt-fdc)により得られた形態学的マーカーにのみ適用される非教師なし機械学習手法が,成熟赤血球からラベルなしの赤血球を識別する難しい課題に対処できるかどうかを検討することである。
特に貧血や白血病などの骨髄疾患では血液中の小胞体(細胞量と細胞量)の性状が重要であるため,この問題に焦点をあてた。
提案手法は, 成熟赤血球からレチキュロサイトを分類する上で, ラベルフリーで有望な成果を報告し, 単一細胞の計算分類のための高スループットな形態素レオロジー法の開発を前進させるものである。
また,提案手法は,既存のセルラベル技術と統合するための補完的手法でもある。
関連論文リスト
- Multimodal Analysis of White Blood Cell Differentiation in Acute Myeloid Leukemia Patients using a β-Variational Autoencoder [38.13262557169157]
形態学的および転写学的データを探索・再構成する教師なし手法を提案する。
本手法は,カスタマイズされた損失関数を持つβ変分オートエンコーダ(ss-VAE)に基づく。
バイオメディシンと診断のための白血球成熟の理解を改善するためのユニークなツールを提供する。
論文 参考訳（メタデータ） (2024-08-13T08:24:52Z) - MMIL: A novel algorithm for disease associated cell type discovery [58.044870442206914]
単一細胞データセットは、しばしば個々の細胞ラベルを欠いているため、病気に関連する細胞を特定することは困難である。
セルレベルの分類器の訓練と校正を可能にする予測手法であるMixture Modeling for Multiple Learning Instance (MMIL)を導入する。
論文 参考訳（メタデータ） (2024-06-12T15:22:56Z) - Neural Cellular Automata for Lightweight, Robust and Explainable Classification of White Blood Cell Images [40.347953893940044]
ニューラルセルオートマトン(NCA)を用いた白血球分類の新しいアプローチを提案する。
NCAに基づく手法はパラメータの面で著しく小さく,ドメインシフトに対する堅牢性を示す。
その結果,NAAは画像分類に利用でき,従来の手法の課題に対処できることがわかった。
論文 参考訳（メタデータ） (2024-04-08T14:59:53Z) - Accurate Leukocyte Detection Based on Deformable-DETR and Multi-Level
Feature Fusion for Aiding Diagnosis of Blood Diseases [5.788342067882157]
本稿では,多レベル特徴融合と変形性自己注意型DETR(MFDS-DETR)という,新しい白血球検出法を提案する。
このモデルは、チャネルアテンションモジュールを介して低レベル特徴情報をフィルタリングするために、ハイレベル特徴を重みとして利用する。
マルチスケールの変形可能な自己保持モジュールをエンコーダに組み込むことにより、白血球機能不足の問題に対処する。
論文 参考訳（メタデータ） (2024-01-01T16:28:30Z) - Single-Cell Deep Clustering Method Assisted by Exogenous Gene
Information: A Novel Approach to Identifying Cell Types [50.55583697209676]
我々は,細胞間のトポロジ的特徴を効率的に捉えるために,注目度の高いグラフオートエンコーダを開発した。
クラスタリング過程において,両情報の集合を統合し,細胞と遺伝子の特徴を再構成し,識別的表現を生成する。
本研究は、細胞の特徴と分布に関する知見を高め、疾患の早期診断と治療の基礎となる。
論文 参考訳（メタデータ） (2023-11-28T09:14:55Z) - Towards Interpretable Classification of Leukocytes based on Deep
Learning [0.7227323884094953]
本研究は、白血球の自動分類における信頼度推定の校正について検討する。
さらに、異なる視覚的説明アプローチを比較することで、機械による意思決定を専門の医療アプリケーションに近づけることができます。
論文 参考訳（メタデータ） (2023-11-24T13:48:37Z) - Causal machine learning for single-cell genomics [94.28105176231739]
単細胞ゲノミクスへの機械学習技術の応用とその課題について論じる。
まず, 単一細胞生物学における現在の因果的アプローチの基盤となるモデルについて述べる。
次に、単一セルデータへの因果的アプローチの適用におけるオープンな問題を特定する。
論文 参考訳（メタデータ） (2023-10-23T13:35:24Z) - Tertiary Lymphoid Structures Generation through Graph-based Diffusion [54.37503714313661]
本研究では,最先端のグラフベース拡散モデルを用いて生物学的に意味のある細胞グラフを生成する。
本研究では, グラフ拡散モデルを用いて, 3次リンパ構造(TLS)の分布を正確に学習できることを示す。
論文 参考訳（メタデータ） (2023-10-10T14:37:17Z) - Lymphocyte Classification in Hyperspectral Images of Ovarian Cancer
Tissue Biopsy Samples [94.37521840642141]
生検コアのハイパースペクトル画像に白血球画素を分割する機械学習パイプラインを提案する。
これらの細胞は臨床的に診断に重要であるが、いくつかの先行研究は正確なピクセルラベルを得るのが困難であるため、それらを組み込むのに苦労している。
論文 参考訳（メタデータ） (2022-03-23T00:58:27Z) - Machine learning based lens-free imaging technique for field-portable
cytometry [0.0]
提案手法の精度は98%に向上し,多くの細胞に対して5dB以上の信号が増強された。
モデルは、数回の学習イテレーションで新しいタイプのサンプルを学ぶために適応し、新しく導入されたサンプルをうまく分類することができる。
論文 参考訳（メタデータ） (2022-03-02T07:09:29Z) - Towards an Automatic Analysis of CHO-K1 Suspension Growth in
Microfluidic Single-cell Cultivation [63.94623495501023]
我々は、人間の力で抽象化されたニューラルネットワークをデータレベルで注入できる新しい機械学習アーキテクチャを提案する。
具体的には、自然データと合成データに基づいて生成モデルを同時に訓練し、細胞数などの対象変数を確実に推定できる共有表現を学習する。
論文 参考訳（メタデータ） (2020-10-20T08:36:51Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。