論文の概要: Machine Intelligence-Driven Classification of Cancer Patients-Derived
Extracellular Vesicles using Fluorescence Correlation Spectroscopy: Results
from a Pilot Study
- arxiv url: http://arxiv.org/abs/2202.00495v1
- Date: Tue, 1 Feb 2022 15:46:36 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-02 16:01:52.919720
- Title: Machine Intelligence-Driven Classification of Cancer Patients-Derived
Extracellular Vesicles using Fluorescence Correlation Spectroscopy: Results
from a Pilot Study
- Title(参考訳): 蛍光相関分光法によるがん患者由来細胞外小胞のマシンインテリジェンス駆動分類:試験的検討
- Authors: Abicumaran Uthamacumaran, Mohamed Abdouh, Kinshuk Sengupta, Zu-hua
Gao, Stefano Forte, Thupten Tsering, Julia V Burnier, Goffredo Arena
- Abstract要約: 我々は、がん患者血液由来のEVを時間分解分光法と人工知能に結合させることで、がんスクリーニングと追跡ツールを堅牢に提供できると予測した。
我々のパイロット研究は、AIアルゴリズムと時間分解型FCSパワースペクトルが、異なるがんサンプルから複雑な患者由来EVを正確に、微分的に分類できることを実証した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Patient-derived extracellular vesicles (EVs) that contains a complex
biological cargo is a valuable source of liquid biopsy diagnostics to aid in
early detection, cancer screening, and precision nanotherapeutics. In this
study, we predicted that coupling cancer patient blood-derived EVs to
time-resolved spectroscopy and artificial intelligence (AI) could provide a
robust cancer screening and follow-up tools. Methods: Fluorescence correlation
spectroscopy (FCS) measurements were performed on 24 blood samples-derived EVs.
Blood samples were obtained from 15 cancer patients (presenting 5 different
types of cancers), and 9 healthy controls (including patients with benign
lesions). The obtained FCS autocorrelation spectra were processed into power
spectra using the Fast-Fourier Transform algorithm and subjected to various
machine learning algorithms to distinguish cancer spectra from healthy control
spectra. Results and Applications: The performance of AdaBoost Random Forest
(RF) classifier, support vector machine, and multilayer perceptron, were tested
on selected frequencies in the N=118 power spectra. The RF classifier exhibited
a 90% classification accuracy and high sensitivity and specificity in
distinguishing the FCS power spectra of cancer patients from those of healthy
controls. Further, an image convolutional neural network (CNN), ResNet network,
and a quantum CNN were assessed on the power spectral images as additional
validation tools. All image-based CNNs exhibited a nearly equal classification
performance with an accuracy of roughly 82% and reasonably high sensitivity and
specificity scores. Our pilot study demonstrates that AI-algorithms coupled to
time-resolved FCS power spectra can accurately and differentially classify the
complex patient-derived EVs from different cancer samples of distinct tissue
subtypes.
- Abstract(参考訳): 複雑な生物学的貨物を含む患者由来の細胞外小胞(evs)は、早期発見、がんスクリーニング、精密なナノ治療に役立つ液体生検診断の貴重な源である。
本研究では,がん患者の血液由来EVと時間分解分光法と人工知能(AI)を結合させることで,がん検診と追跡ツールの確立が期待できた。
方法:24試料EVを用いた蛍光相関分光法(FCS)の測定を行った。
血液サンプルは癌15例(5種類の癌)と健常者9例(良性病変を含む)から得られた。
得られたFCS自己相関スペクトルをFast-Fourier Transformアルゴリズムを用いてパワースペクトルに処理し,正常な制御スペクトルから癌スペクトルを識別する各種機械学習アルゴリズムを適用した。
AdaBoost Random Forest (RF) 分類器, サポートベクターマシン, 多層パーセプトロンの性能をN=118パワースペクトルの選択周波数で試験した。
rf分類器は, 癌患者のfcsパワースペクトルと健常者との識別において, 90%の分類精度と高い感度と特異性を示した。
さらに、パワースペクトル画像に対して、画像畳み込みニューラルネットワーク(CNN)、ResNetネットワーク、量子CNNを追加の検証ツールとして評価した。
全ての画像ベースCNNは、ほぼ同等の分類性能を示し、精度はおよそ82%、感度と特異度は合理的に高い。
我々のパイロット研究は、AI-アルゴリズムと時間分解SFSパワースペクトルが、異なる組織サブタイプの異なるがんサンプルから、複雑な患者由来EVを正確に、微分的に分類できることを示した。
関連論文リスト
- Advanced Hybrid Deep Learning Model for Enhanced Classification of Osteosarcoma Histopathology Images [0.0]
本研究は, 小児および思春期において最も多い骨癌である骨肉腫(OS)に焦点を当て, 腕と足の長い骨に影響を及ぼす。
我々は、OSの診断精度を向上させるために、畳み込みニューラルネットワーク(CNN)と視覚変換器(ViT)を組み合わせた新しいハイブリッドモデルを提案する。
このモデルは精度99.08%、精度99.10%、リコール99.28%、F1スコア99.23%を達成した。
論文 参考訳(メタデータ) (2024-10-29T13:54:08Z) - On-Site Precise Screening of SARS-CoV-2 Systems Using a Channel-Wise Attention-Based PLS-1D-CNN Model with Limited Infrared Signatures [14.03608399920969]
本稿では、減衰された全反射-フーリエ変換赤外分光法(ATR-FTIR)と適応的繰り返し再重み付けされたペナル化最小二乗法(AirPLS)前処理アルゴリズムと、チャネルワイドの注意に基づく畳み込みニューラルネットワーク(PLS-1D-CNN)モデルを統合する手法を提案する。
我々のモデルは、最近、呼吸器ウイルスのスペクトル検出の分野で、96.48%の認識スクリーニング精度、96.24%の感度、97.14%の特異性、96.12%のF1スコア、0.99のAUCを達成している。
論文 参考訳(メタデータ) (2024-10-26T09:22:35Z) - Artificial-intelligence-based molecular classification of diffuse
gliomas using rapid, label-free optical imaging [59.79875531898648]
DeepGliomaは人工知能に基づく診断スクリーニングシステムである。
ディープグリオーマは、世界保健機関が成人型びまん性グリオーマ分類を定義するために使用する分子変化を予測することができる。
論文 参考訳(メタデータ) (2023-03-23T18:50:18Z) - Preservation of High Frequency Content for Deep Learning-Based Medical
Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。
本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文 参考訳(メタデータ) (2022-05-08T15:29:54Z) - 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-Scale Hybrid Vision Transformer for Learning Gastric Histology:
AI-Based Decision Support System for Gastric Cancer Treatment [50.89811515036067]
胃内視鏡検査は、早期に適切な胃癌(GC)治療を判定し、GC関連死亡率を低下させる有効な方法である。
本稿では,一般のGC治療指導と直接一致する5つのGC病理のサブ分類を可能にする実用的なAIシステムを提案する。
論文 参考訳(メタデータ) (2022-02-17T08:33:52Z) - Frequency comb and machine learning-based breath analysis for COVID-19
classification [0.6113111451963646]
本研究では,各呼吸試料中の数万のスペクトル特性を同時に測定する頑健な分析手法を提案する。
コロラド大学における170個のサンプルを用いて, 受信-操作-特性曲線 0.849(4) のクロスバリデーション領域を報告した。
喫煙や腹痛などの他の変数と同様に,男性と女性の呼吸に有意な差が認められた。
論文 参考訳(メタデータ) (2022-02-04T05:58:52Z) - EMT-NET: Efficient multitask network for computer-aided diagnosis of
breast cancer [58.720142291102135]
乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。
腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。
腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
論文 参考訳(メタデータ) (2022-01-13T05:24:40Z) - COVID-19 Pneumonia and Influenza Pneumonia Detection Using Convolutional
Neural Networks [0.0]
我々は、新型コロナウイルス肺炎、インフルエンザウイルス肺炎、および正常なバイオマーカーの鑑別を支援するコンピュータソリューションを開発した。
その分類性能において、最高の性能モデルでは、検証精度は93%、F1スコアは0.95であった。
論文 参考訳(メタデータ) (2021-12-14T01:59:25Z) - Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based
Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。
我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文 参考訳(メタデータ) (2021-10-27T19:28:36Z) - Machine Learning Characterization of Cancer Patients-Derived
Extracellular Vesicles using Vibrational Spectroscopies [0.0]
基礎的な機械学習アルゴリズムは、がん患者のEVと健康な患者のEVの複雑な振動スペクトルを識別する強力なツールであることを示す。
これらの方法は、マシンインテリジェンスによる早期がん検診において、有効かつ効率的な液体生検を約束する。
論文 参考訳(メタデータ) (2021-07-21T19:56:33Z)
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。