論文の概要: Image Segmentation of Zona-Ablated Human Blastocysts

• arxiv url: http://arxiv.org/abs/2008.08673v1
• Date: Wed, 19 Aug 2020 21:20:02 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-27 11:43:55.762642
• Title: Image Segmentation of Zona-Ablated Human Blastocysts
• Title（参考訳）: zonaによるヒト胚盤胞の画像分割
• Authors: Md Yousuf Harun, M Arifur Rahman, Joshua Mellinger, Willy Chang, Thomas Huang, Brienne Walker, Kristen Hori, and Aaron T. Ohta
• Abstract要約: この研究の目的は、不規則な形をした胚盤胞を分断する難しい作業を促進することである。 実験結果から, セグメンテーションは拡張測定の精度を大幅に向上させることが示された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automating human preimplantation embryo grading offers the potential for higher success rates with in vitro fertilization (IVF) by providing new quantitative and objective measures of embryo quality. Current IVF procedures typically use only qualitative manual grading, which is limited in the identification of genetically abnormal embryos. The automatic quantitative assessment of blastocyst expansion can potentially improve sustained pregnancy rates and reduce health risks from abnormal pregnancies through a more accurate identification of genetic abnormality. The expansion rate of a blastocyst is an important morphological feature to determine the quality of a developing embryo. In this work, a deep learning based human blastocyst image segmentation method is presented, with the goal of facilitating the challenging task of segmenting irregularly shaped blastocysts. The type of blastocysts evaluated here has undergone laser ablation of the zona pellucida, which is required prior to trophectoderm biopsy. This complicates the manual measurements of the expanded blastocyst's size, which shows a correlation with genetic abnormalities. The experimental results on the test set demonstrate segmentation greatly improves the accuracy of expansion measurements, resulting in up to 99.4% accuracy, 98.1% precision, 98.8% recall, a 98.4% Dice Coefficient, and a 96.9% Jaccard Index.
• Abstract（参考訳）: ヒト胚移植の自動化は、新しい定量的かつ客観的な胚品質測定を提供することにより、体外受精(IVF)による高い成功率をもたらす可能性がある。 現在のIVFプロシージャは、通常、定性的手動グレーディングのみを使用し、遺伝的に異常な胚の同定に制限される。 胚盤胞拡張の自動定量評価は、持続妊娠率を向上し、遺伝的異常のより正確な同定によって異常妊娠からの健康リスクを低減する可能性がある。 胚盤胞の増殖速度は発育する胚の質を決定する重要な形態学的特徴である。 本研究は,不規則な形状の胚盤胞を分割することの難易度を高めることを目的として,深層学習に基づくヒト胚盤胞画像分割法を提案する。 ここで評価される胚盤嚢胞の種類は、眼窩生検の前に必要となる帯状骨化症をレーザーアブレーションしたものである。 これは伸長した胚盤胞の大きさの手動測定を複雑にし、遺伝的異常との相関を示す。 実験の結果、セグメンテーションは拡張測定の精度を大幅に向上させ、99.4%の精度、98.1%の精度、98.8%のリコール、98.4%のサイコロ係数、96.9%のjaccard指数が得られた。

関連論文リスト

• Karyotype AI for Precision Oncology [24.283441582734255]
  従来の核型解析を自動化しようとする試みは収差検出では不十分であった。 TopViTはCNN(インセプション)モデルで99.3%の精度で染色体を同定した。
  論文  参考訳（メタデータ） (2022-11-20T04:59:23Z)
• Corneal endothelium assessment in specular microscopy images with Fuchs' dystrophy via deep regression of signed distance maps [48.498376125522114]
  本稿では,UNetをベースとしたセグメンテーション手法を提案する。 これは、フックスのジストロフィーの全度にわたって、信頼できるCE形態計測と腸骨同定を実現する。
  論文  参考訳（メタデータ） (2022-10-13T15:34:20Z)
• Texture Characterization of Histopathologic Images Using Ecological Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
  本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。 2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
  論文  参考訳（メタデータ） (2022-02-27T02:19:09Z)
• Robust and generalizable embryo selection based on artificial intelligence and time-lapse image sequences [0.0]
  経時変化画像のみを用いた深層学習に基づく胚選択モデルが、患者年齢や臨床条件によってどのように機能するかを検討する。 このモデルは、115,832個の胚からなる18のIVFセンターからの大規模なデータセットに基づいて訓練および評価された。 完全自動化されたiDAScore v1.0モデルは、少なくとも最先端の手動胚選択モデルと同じくらいの性能を示した。
  論文  参考訳（メタデータ） (2021-03-12T13:36:30Z)
• Cancer Gene Profiling through Unsupervised Discovery [49.28556294619424]
  低次元遺伝子バイオマーカーを発見するための,新しい,自動かつ教師なしのフレームワークを提案する。 本手法は,高次元中心型非監視クラスタリングアルゴリズムLP-Stabilityアルゴリズムに基づく。 私達の署名は免疫炎症および免疫砂漠の腫瘍の区別の有望な結果報告します。
  論文  参考訳（メタデータ） (2021-02-11T09:04:45Z)
• Comparison of Machine Learning Classifiers to Predict Patient Survival and Genetics of GBM: Towards a Standardized Model for Clinical Implementation [44.02622933605018]
  放射線モデルは、グリオ芽腫(GBM)の結果予測のための臨床データを上回ることが示されています。 GBM患者の生存率(OS),IDH変異,O-6-メチルグアニン-DNA-メチルトランスフェラーゼ(MGMT)プロモーターメチル化,EGFR(EGFR)VII増幅,Ki-67発現の9種類の機械学習分類器を比較した。 xgb は os (74.5%), ab for idh 変異 (88%), mgmt メチル化 (71,7%), ki-67 発現 (86,6%), egfr増幅 (81。
  論文  参考訳（メタデータ） (2021-02-10T15:10:37Z)
• Deep Learning for Automatic Spleen Length Measurement in Sickle Cell Disease Patients [1.739079346425631]
  シックル細胞病(Sickle Cell Disease, SCD)は、世界で最も一般的な遺伝疾患の一つである。 脾臓の大きさを測定するための現在のワークフローには、おそらく2次元超音波画像における手動長さ測定が続く。 超音波画像から脾臓の長さを自動的に推定する深層学習法について検討した。
  論文  参考訳（メタデータ） (2020-09-06T10:47:49Z)
• Human Blastocyst Classification after In Vitro Fertilization Using Deep Learning [0.0]
  本研究は、1226個の胚の合計1084枚の画像を含む。 これらの画像は、胚を1から5に区別するヴェエック基準に基づいてラベル付けされ、破片の大きさと断片化の程度に基づいて評価された。 データセット上でトレーニング済みのResNet50を微調整することによる最良のモデルでは、91.79%の精度が得られます。
  論文  参考訳（メタデータ） (2020-08-28T04:40:55Z)
• Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on 2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
  本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。 合計320回の試験(平均6回の試験)と28回の試験が行われた。 ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
  論文  参考訳（メタデータ） (2020-05-27T20:44:38Z)
• Deep learning mediated single time-point image-based prediction of embryo developmental outcome at the cleavage stage [1.6753684438635652]
  クリーベージ段階の移行は、予後不良の患者や、資源制限された環境での妊娠センターにおいて有益である。 タイムラプスイメージングシステムは可能な解決策として提案されているが、コストが抑えられ、かさばる高価なハードウェアを必要とする。 本稿では, 遺伝的アルゴリズムと併用した訓練CNNを用いて, 切断段階におけるヒト胚の分類と選択の自動化システムについて報告する。
  論文  参考訳（メタデータ） (2020-05-21T21:21:15Z)
• Hybrid Attention for Automatic Segmentation of Whole Fetal Head in Prenatal Ultrasound Volumes [52.53375964591765]
  胎児の頭部全体を米国全巻に分割する,最初の完全自動化ソリューションを提案する。 セグメント化タスクは、まずエンコーダ-デコーダディープアーキテクチャの下で、エンドツーエンドのボリュームマッピングとして定式化される。 次に,セグメンタとハイブリットアテンションスキーム(HAS)を組み合わせることで,識別的特徴を選択し,非情報量的特徴を抑える。
  論文  参考訳（メタデータ） (2020-04-28T14:43:05Z)

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。