論文の概要: White blood cell subtype detection and classification

• arxiv url: http://arxiv.org/abs/2108.04614v1
• Date: Tue, 10 Aug 2021 11:55:52 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-11 19:15:31.707002
• Title: White blood cell subtype detection and classification
• Title（参考訳）: 白血球サブタイプの検出と分類
• Authors: Nalla Praveen, Narinder Singh Punn, Sanjay Kumar Sonbhadra, Sonali Agarwal
• Abstract要約: 白血球の分類は、診断において重要な役割を担っている。 白血球サブタイプを同定する現在の手順は、より時間がかかり、エラーが発生しやすい。 提案した研究は、99.2%の精度で白血球を検出し、90%の精度で分類する。
• 参考スコア（独自算出の注目度）: 0.9176056742068814
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Machine learning has endless applications in the health care industry. White blood cell classification is one of the interesting and promising area of research. The classification of the white blood cells plays an important part in the medical diagnosis. In practise white blood cell classification is performed by the haematologist by taking a small smear of blood and careful examination under the microscope. The current procedures to identify the white blood cell subtype is more time taking and error-prone. The computer aided detection and diagnosis of the white blood cells tend to avoid the human error and reduce the time taken to classify the white blood cells. In the recent years several deep learning approaches have been developed in the context of classification of the white blood cells that are able to identify but are unable to localize the positions of white blood cells in the blood cell image. Following this, the present research proposes to utilize YOLOv3 object detection technique to localize and classify the white blood cells with bounding boxes. With exhaustive experimental analysis, the proposed work is found to detect the white blood cell with 99.2% accuracy and classify with 90% accuracy.
• Abstract（参考訳）: 機械学習は医療業界に無限の応用がある。 白血球の分類は、興味深い、有望な研究分野の1つである。 白血球の分類は、診断において重要な役割を担っている。 実践的な白血球分類では、血液を少量の塗抹し、顕微鏡で慎重に検査することにより、造血学者が行う。 白血球サブタイプを同定する現在の手順は、より時間がかかり、エラーが発生しやすい。 白血球の検出および診断を支援するコンピュータは、ヒューマンエラーを回避し、白血球の分類に要する時間を短縮する傾向がある。 近年では、白血球の分類における深層学習のアプローチが開発され、血液細胞画像中の白血球の位置を特定できるが、位置を特定できない。 そこで本研究では, YOLOv3オブジェクト検出技術を用いて, 白血球の局在化と分類を行う。 徹底的な実験分析により、提案された研究は、99.2%の精度で白血球を検出し、90%の精度で分類する。

関連論文リスト

• Automatic Classification of White Blood Cell Images using Convolutional Neural Network [0.0]
  ヒト免疫系には、細菌感染症、エイズ、がん、脾臓など多くの疾患の指標となる白血球(WBC)が含まれる。 伝統的に、実験室では、病理学者や血液学者が顕微鏡で血液細胞を分析し、手動で分類する。 本稿ではまず,ResNet-50,InceptionV3,VGG16,MobileNetV2などのCNNプレトレインモデルを用いて,白血球の自動分類を行った。 これらのアーキテクチャに触発されて、4種類の白血球を精度良く自動的に分類する枠組みが提案されている。
  論文  参考訳（メタデータ） (2024-09-19T16:39:46Z)
• Analysis of Modern Computer Vision Models for Blood Cell Classification [49.1574468325115]
  この研究では、MaxVit、EfficientVit、EfficientNet、EfficientNetV2、MobileNetV3といった最先端アーキテクチャを使用して、迅速かつ正確な結果を得る。 本手法は,従来の手法の速度と精度の懸念に対処するだけでなく,血液学的解析における革新的な深層学習モデルの適用性についても検討する。
  論文  参考訳（メタデータ） (2024-06-30T16:49:29Z)
• 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)
• 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)
• A Fully Unsupervised Instance Segmentation Technique for White Blood Cell Images [0.4532517021515834]
  白血球 (leukocytes) または白血球 (leukocytes) は、正常な免疫系細胞として機能する不均一に核化された細胞群である。 白血球は、ファゴサイトーシスを通じて人体に侵入するバクテリア、ウイルス、その他の病原体を殺傷する。 白血球数を検出すると、カモフラージュ感染や慢性的な医療状況について医師に警告することができる。
  論文  参考訳（メタデータ） (2023-06-26T17:44:36Z)
• Pixel-Level Explanation of Multiple Instance Learning Models in Biomedical Single Cell Images [52.527733226555206]
  複数のインスタンス学習モデルを説明するための4つの属性法について検討する。 急性骨髄性白血病の2つのデータセットと100万以上の単細胞画像について検討した。 我々は、属性マップと医療専門家の注釈を比較し、モデルの意思決定が人間の基準とどのように異なるかを確認する。
  論文  参考訳（メタデータ） (2023-03-15T14:00:11Z)
• A survey on automated detection and classification of acute leukemia and WBCs in microscopic blood cells [6.117084972237769]
  白血球 (Leukemia) は、白血球や白血球が骨髄や血液中に拡散する異常な疾患である。 従来の機械学習とディープラーニング技術は、医療画像の診断と分類の精度とスピードを高めるための実践的なロードマップである。 本稿では, 急性白血病およびWBCの検出と分類に関する包括的解析を行った。
  論文  参考訳（メタデータ） (2023-03-07T14:26:08Z)
• 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)
• White blood cell classification [3.386401892906348]
  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。
  論文  参考訳（メタデータ） (2020-08-17T09:48:12Z)
• Attention based Multiple Instance Learning for Classification of Blood Cell Disorders [38.086308180994976]
  血液細胞障害患者の血液サンプルを分類するために,注意に基づく多症例学習法を提案する。 各細胞から抽出された特徴により、患者サンプルを4つの血液細胞障害のうち1つに分類する。 注意機構は、各セルの全体的な分類への貢献度を測定し、ネットワークの分類精度と医療専門家に対する解釈可能性を大幅に改善する。
  論文  参考訳（メタデータ） (2020-07-22T19:29:40Z)

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。