論文の概要: Automation of Hemocompatibility Analysis Using Image Segmentation and a
Random Forest
- arxiv url: http://arxiv.org/abs/2010.06245v1
- Date: Tue, 13 Oct 2020 09:13:00 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-08 00:31:16.867302
- Title: Automation of Hemocompatibility Analysis Using Image Segmentation and a
Random Forest
- Title（参考訳）: 画像分割とランダムフォレストを用いたヘモコンパチビリティ解析の自動化
- Authors: Johanna C. Clauser, Judith Maas, Jutta Arens, Thomas Schmitz-Rode,
Ulrich Steinseifer, Benjamin Berkels
- Abstract要約: 本稿では,光学的血小板数と解析のための自動化手法を提案する。
教師付きランダムフォレストは、領域、周、円といった特徴を用いて成分から導出される特徴ベクトルに適用される。
全体的な精度が高く、エラー率も低いため、ランダム森林は信頼性の高い結果が得られる。
- 参考スコア（独自算出の注目度）: 2.5445394992810924
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The hemocompatibility of blood-contacting medical devices remains one of the
major challenges in biomedical engineering and makes research in the field of
new and improved materials inevitable. However, current in-vitro test and
analysis methods are still lacking standardization and comparability, which
impedes advances in material design. For example, the optical platelet analysis
of material in-vitro hemocompatibility tests is carried out manually or
semi-manually by each research group individually.
As a step towards standardization, this paper proposes an automation approach
for the optical platelet count and analysis. To this end, fluorescence images
are segmented using Zach's convexification of the multiphase-phase piecewise
constant Mumford--Shah model. The resulting connected components of the
non-background segments then need to be classified as platelet or no platelet.
Therefore, a supervised random forest is applied to feature vectors derived
from the components using features like area, perimeter and circularity. With
an overall high accuracy and low error rates, the random forest achieves
reliable results. This is supported by high areas under the receiver-operator
and the prediction-recall curve, respectively.
We developed a new method for a fast, user-independent and reproducible
analysis of material hemocompatibility tests, which is therefore a unique and
powerful tool for advances in biomaterial research.
- Abstract（参考訳）: 血液接触医療機器の血液適合性は、バイオメディカルエンジニアリングにおける大きな課題の1つであり、新しい材料や改善材料の研究は避けられない。
しかし、現在のインビトロ試験と分析法はまだ標準化と互換性に欠けており、材料設計の進歩を妨げる。
例えば、生体内血液適合性試験の光学的血小板分析は、各研究グループによって手動または半手動で行われる。
標準化に向けたステップとして,光学的血小板数と解析のための自動化手法を提案する。
この目的のために、多相周期定数ムンフォード-シャーモデルのザック凸化を用いて蛍光像を分割する。
結果として生じる非基底セグメントの連結成分は、血小板または血小板に分類する必要がある。
したがって, 面積, 周囲, 円度などの特徴を用いて, 成分から得られた特徴ベクトルに対して教師付きランダムフォレストを適用する。
全体として高い精度と低いエラー率で、ランダム森林は信頼できる結果を得る。
これは、それぞれレシーバ演算子と予測リコール曲線の下で高い領域で支持される。
そこで本研究では, 生体材料研究の進歩に有効な, 迅速かつ非独立かつ再現可能な材料適合性試験法を開発した。
関連論文リスト
- Improving Performance in Colorectal Cancer Histology Decomposition using Deep and Ensemble Machine Learning [0.7082642128219231]
組織学的にヘマトキシリンとエオシンで染色されたサンプルは、一般的に大腸癌管理に用いられている。
近年の研究では、手軽に利用できる画像から臨床関連バイオマーカーの抽出を容易にするための畳み込みニューラルネットワーク(CNN)の可能性を強調している。
CNNベースのバイオマーカーは、スピード、自動化、最小コストの利点を付加して、患者の結果をゴールデンスタンダードと同等に予測することができる。
論文 参考訳（メタデータ） (2023-10-25T19:46:27Z) - Ambiguous Medical Image Segmentation using Diffusion Models [60.378180265885945]
我々は,グループ洞察の分布を学習することで,複数の可算出力を生成する単一拡散モデルに基づくアプローチを提案する。
提案モデルでは,拡散の固有のサンプリングプロセスを利用してセグメンテーションマスクの分布を生成する。
その結果,提案手法は既存の最先端曖昧なセグメンテーションネットワークよりも優れていることがわかった。
論文 参考訳（メタデータ） (2023-04-10T17:58:22Z) - Digital staining in optical microscopy using deep learning -- a review [47.86254766044832]
デジタル染色は、光学的コントラストから実際の染色の確立された生化学的コントラストへの翻訳に近代的な深層学習を利用するための有望な概念として登場した。
この分野の現状を詳細に分析し、優れた実践方法を提案し、落とし穴と課題を特定し、将来の実装やアプリケーションに向けた将来的な進歩を仮定する。
論文 参考訳（メタデータ） (2023-03-14T15:23:48Z) - OADAT: Experimental and Synthetic Clinical Optoacoustic Data for
Standardized Image Processing [62.993663757843464]
オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。
OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。
臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
論文 参考訳（メタデータ） (2022-06-17T08:11:26Z) - 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) - Multi-class versus One-class classifier in spontaneous speech analysis
oriented to Alzheimer Disease diagnosis [58.720142291102135]
本研究の目的は,音声信号から抽出した新しいバイオマーカーを用いて自動解析を行うことにより,ADの早期診断と重症度評価の改善に寄与することである。
外付け器とフラクタル次元の機能に関する情報を使用することで、システムの性能が向上する。
論文 参考訳（メタデータ） (2022-03-21T09:57:20Z) - 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) - Analysis of Vision-based Abnormal Red Blood Cell Classification [1.6050172226234583]
赤血球(RBC)の異常の同定は、貧血から肝疾患まで幅広い医学的疾患を診断する鍵となる。
本稿では,機械学習の利点を利用したセル異常検出のキャパシティ向上と標準化を目的とした自動化プロセスを提案する。
論文 参考訳（メタデータ） (2021-06-01T10:52:41Z) - Accurate Cell Segmentation in Digital Pathology Images via Attention
Enforced Networks [0.0]
本研究では,グローバルな依存関係と重み付きチャネルを適応的に統合するアテンション強化ネットワーク(AENet)を提案する。
実験段階では, 染色変化問題に対処するために, 個々の色正規化法を提案する。
論文 参考訳（メタデータ） (2020-12-14T03:39:33Z) - Modality Attention and Sampling Enables Deep Learning with Heterogeneous
Marker Combinations in Fluorescence Microscopy [5.334932400937323]
蛍光顕微鏡は、色チャネルとして可視化された様々な慎重に選択されたマーカーで染色することで、細胞、細胞ネットワーク、解剖学的ランドマークの詳細な検査を可能にする。
他の視覚応用におけるディープラーニング手法の成功にもかかわらず、蛍光画像解析の可能性はまだ明らかになっていない。
本稿では,モダリティサンプリング戦略と新しいアテンションモジュールを備えたニューラルネットワーク手法であるMarker Sampling and Exciteを提案する。
論文 参考訳（メタデータ） (2020-08-27T21:57:07Z) - Cell Mechanics Based Computational Classification of Red Blood Cells Via
Machine Intelligence Applied to Morpho-Rheological Markers [0.0]
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。
論文 参考訳（メタデータ） (2020-03-02T15:11:46Z)
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。