論文の概要: Automatic evaluation of human oocyte developmental potential from microscopy images

• arxiv url: http://arxiv.org/abs/2103.00302v1
• Date: Sat, 27 Feb 2021 19:36:04 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-03 16:06:58.396134
• Title: Automatic evaluation of human oocyte developmental potential from microscopy images
• Title（参考訳）: 顕微鏡画像によるヒト卵胞発生能の自動評価
• Authors: Denis Baru\v{c}i\'c (1), Jan Kybic (1), Olga Tepl\'a (2), Zinovij Topurko (2), Irena Kratochv\'ilov\'a (3) ((1) Czech Technical University in Prague, Czech Republic, (2) The First Faculty of Medicine and General Teaching Hospital, Czech Republic, (3) Institute of Physics of the Czech Academy of Sciences, Czech Republic)
• Abstract要約: 本稿では,このプロセスの速度,再現性,精度を向上させる自動システムを提案する。 まず、個々の卵細胞を局在させ、その主成分をCNN(U-Net)セグメンテーションを用いて同定する。 提案手法は,分類精度を70%に向上させる。
• 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: Infertility is becoming an issue for an increasing number of couples. The most common solution, in vitro fertilization, requires embryologists to carefully examine light microscopy images of human oocytes to determine their developmental potential. We propose an automatic system to improve the speed, repeatability, and accuracy of this process. We first localize individual oocytes and identify their principal components using CNN (U-Net) segmentation. We calculate several descriptors based on geometry and texture. The final step is an SVM classifier. Both the segmentation and classification training are based on expert annotations. The presented approach leads to the classification accuracy of 70%.
• Abstract（参考訳）: 不妊はカップルの数が増えていることで問題になっている。 最も一般的な解決策は体外受精であり、胚学者は発生可能性を決定するためにヒト卵子の光顕微鏡像を慎重に調べる必要がある。 本稿では,このプロセスの速度,再現性,精度を向上させる自動システムを提案する。 まず、個々の卵細胞を局在させ、その主成分をCNN(U-Net)セグメンテーションを用いて同定する。 幾何とテクスチャに基づいて複数の記述子を計算する。 最後のステップはSVM分類器です。 セグメンテーションと分類トレーニングはどちらもエキスパートアノテーションに基づいている。 提案手法は,分類精度を70%に向上させる。

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)
• Seamless Iterative Semi-Supervised Correction of Imperfect Labels in Microscopy Images [57.42492501915773]
  生体内試験は、医療機器の毒性に対する動物実験の代替手段である。 人間の疲労は、深層学習を魅力的なものにするために、エラー作成に重要な役割を果たします。 我々は、不完全ラベルのシームレス反復半監督補正(SISSI)を提案する。 本手法は,物体検出に適応的な早期学習補正技術を提供する。
  論文  参考訳（メタデータ） (2022-08-05T18:52:20Z)
• Deep Learning based Automatic Detection of Dicentric Chromosome [0.0]
  本稿では,フィールドエキスパートの最小限の介入を必要とする,完全にデータ駆動型フレームワークを提案する。 画像はWHO-BIODOSNETが記述したプロトコルに基づいてYOLOv4から抽出される。 中心性染色体と単中心性染色体の1:1分割で94.33%の精度を報告した。
  論文  参考訳（メタデータ） (2022-04-17T15:11:13Z)
• 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)
• Medulloblastoma Tumor Classification using Deep Transfer Learning with Multi-Scale EfficientNets [63.62764375279861]
  本稿では,エンド・ツー・エンドのMB腫瘍分類を提案し,様々な入力サイズとネットワーク次元の一致した移動学習を提案する。 161ケースのデータセットを用いて、より大規模な入力解像度を持つ事前学習されたEfficientNetが、大幅な性能改善をもたらすことを実証した。
  論文  参考訳（メタデータ） (2021-09-10T13:07:11Z)
• Developmental Stage Classification of EmbryosUsing Two-Stream Neural Network with Linear-Chain Conditional Random Field [74.53314729742966]
  発達段階分類のための2ストリームモデルを提案する。 従来の手法とは異なり、2ストリームモデルでは時間情報と画像情報の両方を受け付けている。 2つのタイムラプス胚ビデオデータセット上で,本アルゴリズムを実証する。
  論文  参考訳（メタデータ） (2021-07-13T19:56:01Z)
• Minimizing false negative rate in melanoma detection and providing insight into the causes of classification [0.5621251909851629]
  私たちの目標は、メラノーマ検出で人間とマシンインテリジェンスを橋渡しすることです。 我々は,視覚前処理,深層学習,アンサンブルを組み合わせた分類システムを開発し,専門家に説明を提供する。
  論文  参考訳（メタデータ） (2021-02-18T07:46:34Z)
• 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)
• 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)
• DeepACC:Automate Chromosome Classification based on Metaphase Images using Deep Learning Framework Fused with Prior Knowledge [7.505977371626168]
  染色体分類は核タイピングにおいて重要であるが困難で面倒な作業である。 本研究では,染色体の特定と分類を同時に行うための検出ベース手法であるDeepACCを提案する。
  論文  参考訳（メタデータ） (2020-06-28T07:04:41Z)
• Retinopathy of Prematurity Stage Diagnosis Using Object Segmentation and Convolutional Neural Networks [68.96150598294072]
  未熟児網膜症(英: Retinopathy of Prematurity、ROP)は、主に体重の低い未熟児に影響を及ぼす眼疾患である。 網膜の血管の増殖を招き、視力喪失を招き、最終的には網膜剥離を招き、失明を引き起こす。 近年,ディープラーニングを用いて診断を自動化する試みが盛んに行われている。 本稿では,従来のモデルの成功を基盤として,オブジェクトセグメンテーションと畳み込みニューラルネットワーク(CNN)を組み合わせた新しいアーキテクチャを開発する。 提案システムでは,まず対象分割モデルを訓練し,画素レベルでの区切り線を識別し,その結果のマスクを追加の"カラー"チャネルとして付加する。
  論文  参考訳（メタデータ） (2020-04-03T14:07:41Z)

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。