論文の概要: Automated Detection of Acute Lymphoblastic Leukemia Subtypes from
Microscopic Blood Smear Images using Deep Neural Networks
- arxiv url: http://arxiv.org/abs/2208.08992v1
- Date: Sat, 30 Jul 2022 20:31:59 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-28 22:27:17.802796
- Title: Automated Detection of Acute Lymphoblastic Leukemia Subtypes from
Microscopic Blood Smear Images using Deep Neural Networks
- Title(参考訳): 深層ニューラルネットワークを用いた微小血液スメア画像からの急性リンパ性白血病のサブタイプの自動検出
- Authors: Md. Taufiqul Haque Khan Tusar, Roban Khan Anik
- Abstract要約: 毎年30万件の新しい白血病が診断されている。
最も危険で致命的なタイプの白血病は急性リンパ性白血病(all)である。
本研究では,Deep Neural Networks (DNN) を用いた顕微鏡的血液スミアス画像から様々な形状のオールブラスト細胞を自動検出するシステムを提案する。
- 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: An estimated 300,000 new cases of leukemia are diagnosed each year which is
2.8 percent of all new cancer cases and the prevalence is rising day by day.
The most dangerous and deadly type of leukemia is acute lymphoblastic leukemia
(ALL), which affects people of all age groups, including children and adults.
In this study, we propose an automated system to detect various-shaped ALL
blast cells from microscopic blood smears images using Deep Neural Networks
(DNN). The system can detect multiple subtypes of ALL cells with an accuracy of
98 percent. Moreover, we have developed a telediagnosis software to provide
real-time support to diagnose ALL subtypes from microscopic blood smears
images.
- Abstract(参考訳): 毎年30万件の新しい白血病が診断され、全がん症例の2.8%を占めており、その頻度は日々上昇している。
最も危険で致命的な白血病は急性リンパ性白血病(all)であり、小児や成人を含むあらゆる年齢層の人々に影響を与える。
本研究では,深層ニューラルネットワーク(dnn)を用いた顕微鏡的血液スメア画像から多形全発芽細胞を自動検出するシステムを提案する。
このシステムは、全細胞の複数のサブタイプを98%の精度で検出できる。
さらに,顕微鏡的血液スメア画像から全てのサブタイプをリアルタイムに診断する遠隔診断ソフトウェアを開発した。
関連論文リスト
- 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) - 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) - Leukemia detection based on microscopic blood smear images using deep
learning [0.04772550536513547]
白血病はヒトにとって最も危険な原因の1つであり、従来の血液中の白血病の診断プロセスは複雑でコストがかかり、時間を要する。
深層学習を用いたコンピュータビジョン分類技術は,従来の血痕解析の課題を克服することができる。
本システムでは, 検体を癌検体, 正常検体と分類する際の精度が97.3%である。
論文 参考訳(メタデータ) (2022-12-19T17:17:20Z) - Automated Detection of Acute Promyelocytic Leukemia in Blood Films and
Bone Marrow Aspirates with Annotation-free Deep Learning [0.7091770799191859]
白血球同定のための深層学習手法MILLIE(Multiple Instance Learning)を提案する。
MILLIEは最小限の監督で血液フィルムの自動信頼性解析を行うことができる。
血液膜および骨髄吸引液中の急性前骨髄球性白血病(APL)を検出する。
論文 参考訳(メタデータ) (2022-03-20T18:53:09Z) - Classification of histopathology images using ConvNets to detect Lupus
Nephritis [27.978780155504463]
ループス腎炎(英語: Lupus Nephritis、LN)は、これらの発作によって腎不全を引き起こす腎臓組織の炎症である。
従来の方法では、腎生検の慎重な病理学的評価が必要であり、時間を要する。
ディープラーニングと現代のコンピュータビジョン技術を用いて,プロセスを自動化するパイプラインを提案する。
論文 参考訳(メタデータ) (2021-12-14T17:00:50Z) - Multi-Scale Input Strategies for Medulloblastoma Tumor Classification
using Deep Transfer Learning [59.30734371401316]
乳腺芽腫は小児で最も多い悪性脳腫瘍である。
CNNはMBサブタイプ分類に有望な結果を示した。
タイルサイズと入力戦略の影響について検討した。
論文 参考訳(メタデータ) (2021-09-14T09:42:37Z) - 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) - Learned super resolution ultrasound for improved breast lesion
characterization [52.77024349608834]
超高分解能超音波局在顕微鏡は毛細血管レベルでの微小血管のイメージングを可能にする。
この作業では、これらの課題に対処するために、信号構造を効果的に活用するディープニューラルネットワークアーキテクチャを使用します。
トレーニングしたネットワークを利用することで,従来のPSF知識を必要とせず,UCAの分離性も必要とせず,短時間で微小血管構造を復元する。
論文 参考訳(メタデータ) (2021-07-12T09:04:20Z) - 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) - Acute Lymphoblastic Leukemia Detection from Microscopic Images Using
Weighted Ensemble of Convolutional Neural Networks [4.095759108304108]
本稿では,深層畳み込みニューラルネットワーク(cnns)を用いた顕微鏡細胞画像からの全検出タスクを自動化した。
ネットワークのより優れた一般化を達成するために、様々なデータ拡張と前処理が組み込まれている。
提案する重み付きアンサンブルモデルでは, アンサンブル候補のカッパ値を重みとして, 重み付きF1スコア88.6 %, バランス付き精度86.2 %, 予備試験セットのAUC0.941を出力した。
論文 参考訳(メタデータ) (2021-05-09T18:58:48Z) - Spectral-Spatial Recurrent-Convolutional Networks for In-Vivo
Hyperspectral Tumor Type Classification [49.32653090178743]
ハイパースペクトル画像とディープラーニングを用いたin-vivo腫瘍型分類の可能性を示した。
我々の最良のモデルは76.3%のAUCを達成し、従来の学習手法とディープラーニング手法を著しく上回っている。
論文 参考訳(メタデータ) (2020-07-02T12:00:53Z)
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。