Fugu-MT 論文翻訳(概要): Automated Multi-Process CTC Detection using Deep Learning

論文の概要: Automated Multi-Process CTC Detection using Deep Learning

arxiv url: http://arxiv.org/abs/2109.12709v1
Date: Sun, 26 Sep 2021 21:56:34 GMT
ステータス: 処理完了
システム内更新日: 2021-09-29 08:33:15.742342
Title: Automated Multi-Process CTC Detection using Deep Learning
Title（参考訳）: 深層学習を用いた多工程CTC自動検出
Authors: Elena Ivanova, Kam W. Leong, and Andrew F. Laine
Abstract要約: 循環腫瘍細胞の自動同定のための新しい3段階検出モデルを提案する。トレーニングデータセットは46の高分散データポイントと10の負と36の正のデータポイントで構成されている。テストセットは420個の負のデータポイントで構成され、パイプラインの最終精度は98.81%である。
参考スコア（独自算出の注目度）: 1.280824586913772
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Circulating Tumor Cells (CTCs) bear great promise as biomarkers in tumor prognosis. However, the process of identification and later enumeration of CTCs require manual labor, which is error-prone and time-consuming. The recent developments in object detection via Deep Learning using Mask-RCNNs and wider availability of pre-trained models have enabled sensitive tasks with limited data of such to be tackled with unprecedented accuracy. In this report, we present a novel 3-stage detection model for automated identification of Circulating Tumor Cells in multi-channel darkfield microscopic images comprised of: RetinaNet based identification of Cytokeratin (CK) stains, Mask-RCNN based cell detection of DAPI cell nuclei and Otsu thresholding to detect CD-45s. The training dataset is composed of 46 high variance data points, with 10 Negative and 36 Positive data points. The test set is composed of 420 negative data points. The final accuracy of the pipeline is 98.81%.
Abstract（参考訳）: 循環性腫瘍細胞 (CTC) は腫瘍予後におけるバイオマーカーとして有望である。しかしながら、ctcの識別とその後の列挙のプロセスには手動作業が必要であり、これはエラーを起こしやすく、時間がかかる。 Mask-RCNNを用いたDeep Learningによるオブジェクト検出の最近の発展と、事前訓練されたモデルのより広範な利用により、制限されたデータによるセンシティブなタスクを前例のない精度で処理できるようになった。本稿では,細胞ケラチン(ck)染色の網膜型同定,dapi細胞核のマスクrcnn型細胞検出,cd-45sの検出などを含む多チャンネル暗視野顕微鏡画像における循環性腫瘍細胞の自動同定のための3段階検出モデルを提案する。トレーニングデータセットは46の高分散データポイントと10の負と36の正のデータポイントで構成されている。テストセットは420の負のデータポイントからなる。パイプラインの最終精度は98.81%である。

関連論文リスト

Diagnosis of Skin Cancer Using VGG16 and VGG19 Based Transfer Learning Models [0.6827423171182154]
ディープ畳み込みニューラルネットワーク(CNN)は、データと画像の分類に優れた可能性を示している。本稿では,CNNを用いた皮膚病変分類問題について検討する。本研究では, 転写学習の枠組みを適切に設計し, 適用することにより, 病変検出の顕著な分類精度を得ることができることを示す。
論文参考訳（メタデータ） (2024-04-01T15:06:20Z)
Cyto R-CNN and CytoNuke Dataset: Towards reliable whole-cell segmentation in bright-field histological images [44.83069198478997]
我々は,セル全体を鮮視野画像に正確に分割できるネットワークアーキテクチャCyto R-CNNを提案する。また,頭頸部扁平上皮癌細胞に対する数千の手動アノテーションからなる新しいデータセットCytoNukeも提示した。
論文参考訳（メタデータ） (2024-01-28T12:22:34Z)
Anomaly Detection in Power Generation Plants with Generative Adversarial Networks [0.5439020425819]
本研究では, 発電プラントの異常検出にGAN(Generative Adversarial Networks)を用いることを検討した。データは、当初、同社の基地局にある発電装置の燃料消費パターンの異常が観測されたことに応答して収集された。 GANsモデルは、データセットのサイズを拡大してパフォーマンスを向上させることを目的として、データ拡張と不要の両方でトレーニングされ、微調整された。
論文参考訳（メタデータ） (2023-09-30T10:44:05Z)
Functional Connectivity Methods for EEG-based Biometrics on a Large, Heterogeneous Dataset [0.0]
本研究では,184人の被験者を対象に,機能接続(FC)とグラフベース(GB)の測定性能について検討した。その結果, FCの識別能力はGB値よりも高いことがわかった。位相同期値(PLV)に基づくガンマ周波数帯域から抽出した測定値を用いて97.4%の識別精度を得る。
論文参考訳（メタデータ） (2022-06-03T09:54:04Z)
An Efficient End-to-End Deep Neural Network for Interstitial Lung Disease Recognition and Classification [0.5424799109837065]
本稿では、IDDパターンを分類するためのエンドツーエンドのディープ畳み込みニューラルネットワーク(CNN)を提案する。提案モデルでは,カーネルサイズが異なる4つの畳み込み層と,Rectified Linear Unit (ReLU) アクティベーション機能を備える。 128のCTスキャンと5つのクラスからなる21328の画像パッチからなるデータセットを用いて、提案モデルのトレーニングと評価を行う。
論文参考訳（メタデータ） (2022-04-21T06:36:10Z)
CNN Filter Learning from Drawn Markers for the Detection of Suggestive Signs of COVID-19 in CT Images [58.720142291102135]
畳み込みニューラルネットワーク(CNN)のフィルタを推定するために,大規模な注釈付きデータセットやバックプロパゲーションを必要としない手法を提案する。少数のCT画像に対して、ユーザは、代表的な正常領域と異常領域にマーカーを描画する。本発明の方法は、カーネルがマークされたものに似た拡張領域に特有な一連の畳み込み層からなる特徴抽出器を生成する。
論文参考訳（メタデータ） (2021-11-16T15:03:42Z)
A Generic Deep Learning Based Cough Analysis System from Clinically Validated Samples for Point-of-Need Covid-19 Test and Severity Levels [85.41238731489939]
臨床検体8,380名を対象に,Covid-19の迅速一次スクリーニングツールの検出性能について検討した。提案手法は,経験的モード分解(EMD)に基づくアルゴリズムであり,その後に音声特徴量に基づく分類を行う。 DeepCoughの2つの異なるバージョン、すなわちDeepCough2DとDeepCough3Dのテンソル次元について検討した。
論文参考訳（メタデータ） (2021-11-10T19:39:26Z)
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)
A Systematic Approach to Featurization for Cancer Drug Sensitivity Predictions with Deep Learning [49.86828302591469]
35,000以上のニューラルネットワークモデルをトレーニングし、一般的な成果化技術を駆使しています。 RNA-seqは128以上のサブセットであっても非常に冗長で情報的であることがわかった。
論文参考訳（メタデータ） (2020-04-30T20:42:17Z)
Automatic detection and counting of retina cell nuclei using deep learning [5.4052819252055055]
老化関連黄斑変性症(AMD)のような眼疾患において、網膜細胞やその他の生物学的物体のサイズ、数、品位を自動的に検出し、分類し、計算する能力は重要である本稿では, 深層学習技術とMask R-CNNモデルに基づく自動ツールを開発し, 透過電子顕微鏡(TEM)画像の大規模なデータセットを分析し, 高速かつ高精度に網膜細胞を定量化する。
論文参考訳（メタデータ） (2020-02-10T05:49:10Z)
Adaptive Anomaly Detection for IoT Data in Hierarchical Edge Computing [71.86955275376604]
本稿では,階層型エッジコンピューティング(HEC)システムに対する適応型異常検出手法を提案する。本研究では,入力データから抽出した文脈情報に基づいてモデルを選択する適応的手法を設計し,異常検出を行う。提案手法を実際のIoTデータセットを用いて評価し,検出タスクをクラウドにオフロードするのとほぼ同じ精度を維持しながら,検出遅延を84%削減できることを実証した。
論文参考訳（メタデータ） (2020-01-10T05:29:17Z)

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。