論文の概要: Leukemia detection based on microscopic blood smear images using deep learning

• arxiv url: http://arxiv.org/abs/2301.03367v1
• Date: Mon, 19 Dec 2022 17:17:20 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-15 23:16:05.424199
• Title: Leukemia detection based on microscopic blood smear images using deep learning
• Title（参考訳）: 深層学習による微視的血液スメア画像に基づく白血病検出
• Authors: Abdelmageed Ahmed, Alaa Nagy, Ahmed Kamal, and Daila Farghl
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.04772550536513547
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper we discuss a new method for detecting leukemia in microscopic blood smear images using deep neural networks to diagnose leukemia early in blood. leukemia is considered one of the most dangerous mortality causes for a human being, the traditional process of diagnosis of leukemia in blood is complex, costly, and time-consuming, so patients could not receive medical treatment on time; Computer vision classification technique using deep learning can overcome the problems of traditional analysis of blood smears, our system for leukemia detection provides 97.3 % accuracy in classifying samples as cancerous or normal samples by taking a shot of blood smear and passing it as an input to the system that will check whether it contains cancer or not. In case of containing cancer cells, then the hematological expert passes the sample to a more complex device such as flow cytometry to generate complete information about the progress of cancer in the blood.
• Abstract（参考訳）: 本稿では,深層ニューラルネットワークを用いた顕微鏡的血液スメア画像における白血病検出法について検討する。 leukemia is considered one of the most dangerous mortality causes for a human being, the traditional process of diagnosis of leukemia in blood is complex, costly, and time-consuming, so patients could not receive medical treatment on time; Computer vision classification technique using deep learning can overcome the problems of traditional analysis of blood smears, our system for leukemia detection provides 97.3 % accuracy in classifying samples as cancerous or normal samples by taking a shot of blood smear and passing it as an input to the system that will check whether it contains cancer or not. がん細胞を含む場合、血液学者は血液中のがんの進行に関する完全な情報を生成するためにフローサイトメトリーのようなより複雑な装置にサンプルを渡す。

関連論文リスト

• Deep Learning Algorithms for Early Diagnosis of Acute Lymphoblastic Leukemia [0.0]
  急性リンパ性白血病(英語: acute lymphoblastic leukemia、ALL)は、白血球に影響を及ぼす血液がんの一種である。 本研究では,ALの診断過程を支援するバイナリ画像分類モデルを提案する。
  論文  参考訳（メタデータ） (2024-07-14T15:35:39Z)
• MMIL: A novel algorithm for disease associated cell type discovery [58.044870442206914]
  単一細胞データセットは、しばしば個々の細胞ラベルを欠いているため、病気に関連する細胞を特定することは困難である。 セルレベルの分類器の訓練と校正を可能にする予測手法であるMixture Modeling for Multiple Learning Instance (MMIL)を導入する。
  論文  参考訳（メタデータ） (2024-06-12T15:22:56Z)
• 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)
• 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)
• Automated Detection of Acute Lymphoblastic Leukemia Subtypes from Microscopic Blood Smear Images using Deep Neural Networks [0.0]
  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。
  論文  参考訳（メタデータ） (2022-07-30T20:31:59Z)
• 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)
• 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)
• White blood cell subtype detection and classification [0.9176056742068814]
  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。
  論文  参考訳（メタデータ） (2021-08-10T11:55:52Z)
• 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)
• 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)
• Spatio-spectral deep learning methods for in-vivo hyperspectral laryngeal cancer detection [49.32653090178743]
  頭頸部腫瘍の早期発見は患者の生存に不可欠である。 ハイパースペクトルイメージング(HSI)は頭頸部腫瘍の非侵襲的検出に用いられる。 HSIに基づく喉頭癌診断のための複数の深層学習手法を提案する。
  論文  参考訳（メタデータ） (2020-04-21T17:07:18Z)

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。