論文の概要: End-to-end Malaria Diagnosis and 3D Cell Rendering with Deep Learning
- arxiv url: http://arxiv.org/abs/2108.04220v1
- Date: Thu, 8 Jul 2021 08:13:11 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-15 11:27:33.865273
- Title: End-to-end Malaria Diagnosis and 3D Cell Rendering with Deep Learning
- Title(参考訳): ディープラーニングによるエンドツーエンドのマラリア診断と3D細胞レンダリング
- Authors: Vignav Ramesh
- Abstract要約: マラリアは寄生虫感染であり、世界的な健康に重大な負担を与える。
30秒ごとに1人の子供が死亡し、毎年100万人以上が死亡している。
マラリアを診断するための現在の金の基準は、顕微鏡、試薬、その他の装置を必要とし、低社会経済的括弧の患者はアクセスできない。
- 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: Malaria is a parasitic infection that poses a significant burden on global
health. It kills one child every 30 seconds and over one million people
annually. If diagnosed in a timely manner, however, most people can be
effectively treated with antimalarial therapy. Several deaths due to malaria
are byproducts of disparities in the social determinants of health; the current
gold standard for diagnosing malaria requires microscopes, reagents, and other
equipment that most patients of low socioeconomic brackets do not have access
to. In this paper, we propose a convolutional neural network (CNN) architecture
that allows for rapid automated diagnosis of malaria (achieving a high
classification accuracy of 98%), as well as a deep neural network (DNN) based
three-dimensional (3D) modeling algorithm that renders 3D models of parasitic
cells in augmented reality (AR). This creates an opportunity to optimize the
current workflow for malaria diagnosis and demonstrates potential for deep
learning models to improve telemedicine practices and patient health literacy
on a global scale.
- Abstract(参考訳): マラリアは寄生虫感染症であり、世界的な健康に大きな負担を負う。
30秒ごとに1人の子供を殺し、毎年100万人以上が命を落としている。
しかし、適時診断された場合、ほとんどの人は抗マラリア療法を効果的に行うことができる。
マラリアによるいくつかの死亡は、社会的要因の相違による副産物であり、現在のマラリア診断のための金の基準は、顕微鏡、試薬、そしてほとんどの低社会経済的ブラケットの患者がアクセスできないその他の機器を必要とする。
本稿では,マラリアの迅速自動診断を可能にする畳み込みニューラルネットワーク(cnn)アーキテクチャを提案する。また,dnn(deep neural network)ベースの3次元モデリングアルゴリズムを用いて,寄生細胞の3次元モデルを拡張現実(ar)でレンダリングする。
これにより、現在のマラリア診断ワークフローを最適化する機会が生まれ、ディープラーニングモデルが遠隔医療プラクティスと患者の健康リテラシーをグローバルスケールで改善する可能性を実証する。
関連論文リスト
- Weakly Supervised AI for Efficient Analysis of 3D Pathology Samples [6.381153836752796]
3次元組織画像処理のためのボリュームブロック解析(MAMBA)のためのModality-Agnostic Multiple Case Learningを提案する。
3Dブロックベースのアプローチでは、MAMBAは2Dの単一スライスによる予測よりも優れた受信特性曲線(AUC)の0.86と0.74の領域を達成している。
さらに, 組織体積が大きくなることで予後が向上し, サンプリングバイアスによるリスク予測のばらつきが軽減されることが示唆された。
論文 参考訳(メタデータ) (2023-07-27T14:48:02Z) - Simulating Malaria Detection in Laboratories using Deep Learning [0.0]
マラリアは通常、血液スミアの小さなサンプルを調べることで微生物学者によって診断される。
早期に診断され適切な治療を受けた場合、マラリア感染による死亡率の低下が可能である。
WHOは、2030年にはマラリアの発生率と死亡率を90%削減し、35カ国でマラリアを除去するという大胆な目標を掲げている。
論文 参考訳(メタデータ) (2023-03-21T11:23:59Z) - Federated Learning Enables Big Data for Rare Cancer Boundary Detection [98.5549882883963]
6大陸にわたる71の医療機関のデータを含む,これまでで最大のフェデレーテッドML研究の結果を報告する。
グリオ芽腫の稀な疾患に対する腫瘍境界自動検出装置を作製した。
当科では, 外科的に標的とした腫瘍の悪性度を高めるために, 33%の改善率を示し, 腫瘍全体に対する23%の改善率を示した。
論文 参考訳(メタデータ) (2022-04-22T17:27:00Z) - 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) - Wide & Deep neural network model for patch aggregation in CNN-based
prostate cancer detection systems [51.19354417900591]
前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。
自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。
パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
論文 参考訳(メタデータ) (2021-05-20T18:13:58Z) - In-Line Image Transformations for Imbalanced, Multiclass Computer Vision
Classification of Lung Chest X-Rays [91.3755431537592]
本研究は、COVID-19 LCXRデータ不足のバランスをとるために画像変換を適用するために、文献の体系を活用することを目的としている。
convolutional neural networks(cnns)のようなディープラーニング技術は、健康状態と疾患状態を区別する特徴を選択することができる。
本研究は,CNNアーキテクチャを用いて高速多クラスLCXR分類を94%精度で行う。
論文 参考訳(メタデータ) (2021-04-06T02:01:43Z) - Malaria Detection and Classificaiton [0.38233569758620056]
世界保健機関(WHO)によると、マラリアは世界的な懸念の種である。
本研究では,マラリアの診断のための枠組みを提唱した。
我々は,第1層のFaster-RCNNを用いて感染した細胞を検知し,収穫した細胞を分離したニューラルネットワークに給餌して分類する2層アプローチを採用した。
論文 参考訳(メタデータ) (2020-11-29T10:04:01Z) - UNITE: Uncertainty-based Health Risk Prediction Leveraging Multi-sourced
Data [81.00385374948125]
我々はUNcertaInTyベースのhEalth Risk Prediction(UNITE)モデルを提案する。
UNITEは、複数ソースの健康データを活用した正確な疾患リスク予測と不確実性推定を提供する。
非アルコール性脂肪肝疾患(NASH)とアルツハイマー病(AD)の実態予測タスクにおけるUNITEの評価を行った。
UNITEはAD検出のF1スコアで最大0.841点、NASH検出のPR-AUCで最大0.609点を達成し、最高のベースラインで最大19%の高パフォーマンスを達成している。
論文 参考訳(メタデータ) (2020-10-22T02:28:11Z) - Classification of COVID-19 in CT Scans using Multi-Source Transfer
Learning [91.3755431537592]
我々は,従来のトランスファー学習の改良にマルチソース・トランスファー・ラーニングを応用して,CTスキャンによる新型コロナウイルスの分類を提案する。
マルチソースファインチューニングアプローチでは、ImageNetで微調整されたベースラインモデルよりも優れています。
我々の最高のパフォーマンスモデルは、0.893の精度と0.897のリコールスコアを達成でき、ベースラインのリコールスコアを9.3%上回った。
論文 参考訳(メタデータ) (2020-09-22T11:53:06Z) - MOSQUITO-NET: A deep learning based CADx system for malaria diagnosis
along with model interpretation using GradCam and class activation maps [9.01199960262149]
マラリアは世界でも最も致命的な病気の1つで、毎年数千人が死亡している。
マラリアの原因となる寄生虫は、科学的にはプラスモジウムと呼ばれ、ヒトの赤血球に感染する。
マラリアの診断には、顕微鏡的血腫の医療従事者による寄生細胞の同定と手動計測が必要である。
論文 参考訳(メタデータ) (2020-06-17T13:00:30Z) - Approaching Bio Cellular Classification for Malaria Infected Cells Using
Machine Learning and then Deep Learning to compare & analyze K-Nearest
Neighbours and Deep CNNs [0.0]
マラリアは致命的な病気で、毎年何十万人もの人の命がかかっています。
本稿では, 細胞画像中のマラリアの存在を分類する文脈において, 異なる機械学習手法について検討する。
論文 参考訳(メタデータ) (2020-05-22T23:02:36Z)
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。