Fugu-MT 論文翻訳(概要): White blood cell classification

論文の概要: White blood cell classification

arxiv url: http://arxiv.org/abs/2008.07181v2
Date: Fri, 4 Sep 2020 03:06:29 GMT
ステータス: 処理完了
システム内更新日: 2022-10-28 04:00:57.934716
Title: White blood cell classification
Title（参考訳）: 白血球分類
Authors: Na Dong, Meng-die Zhai, Jian-fang Chang and Chun-ho Wu
Abstract要約: 非均一な色と不均一な照明で血液スミア画像を扱う適応しきい値セグメンテーション法を提案する。分類・回帰木(CART)に基づく特徴選択アルゴリズムを設計する。提案手法は99.76%の分類精度を達成し,その有効性をよく示す。
参考スコア（独自算出の注目度）: 3.386401892906348
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper proposes a novel automatic classification framework for the recognition of five types of white blood cells. Segmenting complete white blood cells from blood smears images and extracting advantageous features from them remain challenging tasks in the classification of white blood cells. Therefore, we present an adaptive threshold segmentation method to deal with blood smears images with non-uniform color and uneven illumination, which is designed based on color space information and threshold segmentation. Subsequently, after successfully separating the white blood cell from the blood smear image, a large number of nonlinear features including geometrical, color and texture features are extracted. Nevertheless, redundant features can affect the classification speed and efficiency, and in view of that, a feature selection algorithm based on classification and regression trees (CART) is designed. Through in-depth analysis of the nonlinear relationship between features, the irrelevant and redundant features are successfully removed from the initial nonlinear features. Afterwards, the selected prominent features are fed into particle swarm optimization support vector machine (PSO-SVM) classifier to recognize the types of the white blood cells. Finally, to evaluate the performance of the proposed white blood cell classification methodology, we build a white blood cell data set containing 500 blood smear images for experiments. By comparing with the ground truth obtained manually, the proposed segmentation method achieves an average of 95.98% and 97.57% dice similarity for segmented nucleus and cell regions respectively. Furthermore, the proposed methodology achieves 99.76% classification accuracy, which well demonstrates its effectiveness.
Abstract（参考訳）: 本稿では,5種類の白血球の認識のための新しい自動分類フレームワークを提案する。血液塗抹画像から完全な白血球を分割し、それらから有利な特徴を抽出することは、白血球の分類において困難な課題である。そこで本研究では,カラー空間情報としきい値セグメンテーションに基づいて,非均一な色と均一な照明で血液スミア画像を扱う適応しきい値セグメンテーション法を提案する。その後、血液スメア画像から白血球を分離した後、幾何学的、色彩的、テクスチャ的特徴を含む多数の非線形特徴を抽出する。それにもかかわらず、冗長な特徴は分類の速度と効率に影響を与える可能性があり、その観点から分類と回帰木(CART)に基づく特徴選択アルゴリズムが設計されている。特徴間の非線形関係を深く分析することで、無関係な特徴と冗長な特徴を初期非線形特徴から取り除くことができる。その後、選択された特徴を粒子群最適化支援ベクターマシン(PSO-SVM)分類器に入力し、白血球の種類を認識する。最後に、提案する白血球分類法の性能を評価するために、実験のために500個のスメア画像を含む白血球データセットを構築した。提案手法は、手動で得られた基底真理と比較することにより、それぞれ95.98%と97.57%の分割核と細胞領域の類似性が得られる。さらに,提案手法は99.76%の分類精度を達成し,有効性を示す。

関連論文リスト

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)
BloodCell-Net: A lightweight convolutional neural network for the classification of all microscopic blood cell images of the human body [0.0]
血液の分類と測定は、様々な血液関連疾患の診断に不可欠である。我々は, 血液スミア画像から血液細胞分類と計数を行うためのDLベースの自動システムを提案する。赤血球,赤血球,好中球,好中球,好酸球,好酸球,リンパ球,単球,未成熟顆粒球,血小板の計9種類の血液細胞を同定した。
論文参考訳（メタデータ） (2024-04-01T20:38:58Z)
UniCell: Universal Cell Nucleus Classification via Prompt Learning [76.11864242047074]
ユニバーサル細胞核分類フレームワーク(UniCell)を提案する。異なるデータセットドメインから対応する病理画像のカテゴリを均一に予測するために、新しいプロンプト学習機構を採用している。特に,本フレームワークでは,原子核検出と分類のためのエンドツーエンドアーキテクチャを採用し,フレキシブルな予測ヘッドを用いて様々なデータセットを適応する。
論文参考訳（メタデータ） (2024-02-20T11:50:27Z)
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)
Multi-stream Cell Segmentation with Low-level Cues for Multi-modality Images [66.79688768141814]
我々は,顕微鏡画像のラベル付けを行うセル分類パイプラインを開発した。次に、分類ラベルに基づいて分類モデルを訓練する。 2種類のセグメンテーションモデルを、丸みを帯びた形状と不規則な形状のセグメンテーションセルに展開する。
論文参考訳（メタデータ） (2023-10-22T08:11:08Z)
Prompt-based Grouping Transformer for Nucleus Detection and Classification [70.55961378096116]
核の検出と分類は、疾患の診断に有効な情報を生み出す。既存のほとんどの手法は、核を独立に分類するか、核とそのグループの特徴の間の意味的類似性を十分に利用しない。グループ変換器をベースとした新しいエンドツーエンドの原子核検出・分類フレームワークを提案する。
論文参考訳（メタデータ） (2023-10-22T04:50:48Z)
Multi-task Explainable Skin Lesion Classification [54.76511683427566]
少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
論文参考訳（メタデータ） (2023-10-11T05:49:47Z)
Unsupervised Cross-Domain Feature Extraction for Single Blood Cell Image Classification [37.90158669637884]
AutoencoderはR-CNNアーキテクチャをベースにしており、関連する白血球にフォーカスし、画像のアーティファクトを除去することができる。本研究では,データセットの1つのみで訓練されたオートエンコーダによって抽出されたリッチな特徴により,ランダムな森林分類器は未知のデータセットに対して良好に実行可能であることを示す。以上の結果から,より複雑な診断・予後タスクにこの教師なしアプローチを適用すれば,高価な専門家ラベルを未確認データに加える必要がなくなる可能性が示唆された。
論文参考訳（メタデータ） (2022-07-01T15:44:42Z)
Multi-Class Classification of Blood Cells -- End to End Computer Vision based diagnosis case study [0.0]
我々は,外輪郭,色の形態的特徴から,白血球分類の問題に取り組む。我々は、最小時間複雑さと低リソース要求でロバストなアルゴリズムを特定するために、多くのアルゴリズムを探求したい。
論文参考訳（メタデータ） (2021-06-23T17:18:19Z)
Sickle-cell disease diagnosis support selecting the most appropriate machinelearning method: Towards a general and interpretable approach for cellmorphology analysis from microscopy images [0.0]
本稿では,最先端技術に基づく分類手法と特徴の選択手法を提案する。当科では,他の研究例に応用できる病原体疾患のサンプルを用いて検討した。
論文参考訳（メタデータ） (2020-10-09T11:46:38Z)
Multi-Task Neural Networks with Spatial Activation for Retinal Vessel Segmentation and Artery/Vein Classification [49.64863177155927]
本稿では,網膜血管,動脈,静脈を同時に分割する空間活性化機構を備えたマルチタスクディープニューラルネットワークを提案する。提案するネットワークは,容器分割における画素ワイド精度95.70%,A/V分類精度94.50%を実現している。
論文参考訳（メタデータ） (2020-07-18T05:46:47Z)

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。