論文の概要: Supervised topological data analysis for MALDI imaging applications
- arxiv url: http://arxiv.org/abs/2302.13948v1
- Date: Mon, 27 Feb 2023 16:49:35 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-28 14:53:50.188986
- Title: Supervised topological data analysis for MALDI imaging applications
- Title(参考訳): MALDIイメージング応用のためのトポロジカルデータ解析
- Authors: Gideon Klaila, Vladimir Vutov, Anastasios Stefanou
- Abstract要約: 本稿では,MALDIデータから固有情報を取得し,そのトポロジ的永続性を反映した新しい代数的トポロジ的フレームワークを提案する。
まず、トポロジ的持続性は、信号とノイズを区別するのに役立ちます。次に、MALDIデータを圧縮し、保存スペースを節約します。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: We propose a new algebraic topological framework, which obtains intrinsic
information from the MALDI data and transforms it to reflect topological
persistence in the data. Our framework has two main advantages. First, the
topological persistence helps us to distinguish the signal from noise. Second,
it compresses the MALDI data, which results in saving storage space, and also
optimizes the computational time for further classification tasks. We introduce
an algorithm that performs our topological framework and depends on a single
tuning parameter. Furthermore, we show that it is computationally efficient.
Following the persistence extraction, logistic regression and random forest
classifiers are executed based on the resulting persistence transformation
diagrams to classify the observational units into binary class labels,
describing the lung cancer subtypes. Further, we utilized the proposed
framework in a real-world MALDI data set, and the competitiveness of the
methods is illustrated via cross-validation.
- Abstract(参考訳): 本稿では,MALDIデータから固有情報を取得し,そのトポロジ的永続性を反映した新しい代数的トポロジ的フレームワークを提案する。
私たちのフレームワークには2つの大きな利点があります。
まず、トポロジカルな永続性はノイズとシグナルを区別するのに役立ちます。
次に、MALDIデータを圧縮し、保存スペースを節約し、さらに分類タスクの計算時間を最適化する。
我々は、トポロジカル・フレームワークを実行するアルゴリズムを導入し、単一のチューニングパラメータに依存する。
さらに,計算効率が高いことを示す。
パーシステンス抽出、ロジスティック回帰、ランダム森林分類器は、結果として生じる持続変換図に基づいて実行され、観察単位を肺がんサブタイプを記述するバイナリクラスラベルに分類する。
さらに,提案したフレームワークを実世界のMALDIデータセットで利用し,クロスバリデーションによる手法の競争性を示す。
関連論文リスト
- RO-LLaMA: Generalist LLM for Radiation Oncology via Noise Augmentation
and Consistency Regularization [51.877826904868975]
放射線腫瘍学の分野に適した汎用汎用大言語モデル(LLM)であるRO-LLaMAを提案する。
このモデルは、臨床報告の要約などの様々なタスクに適応し、放射線腫瘍専門医の幅広いワークフローをシームレスにカバーする。
また,新しいCEFTune(Consistency Embedding Fine-Tuning)技術を提案する。
論文 参考訳(メタデータ) (2023-11-27T14:49:06Z) - LLM-driven Multimodal Target Volume Contouring in Radiation Oncology [55.20049911531224]
大規模言語モデル(LLM)は、テキスト情報と画像の統合を容易にする。
LLM駆動型マルチモーダルAIを,放射線治療における目標音量調整の課題に適用する。
提案モデルでは,従来の視覚のみのAIモデルと比較して,性能が著しく向上していることを示す。
論文 参考訳(メタデータ) (2023-11-03T13:38:42Z) - Intelligent Breast Cancer Diagnosis with Heuristic-assisted
Trans-Res-U-Net and Multiscale DenseNet using Mammogram Images [0.0]
乳癌(BC)は、女性のがん関連死亡率に大きく寄与する。
悪性の腫瘤を正確に識別することは 依然として困難です
マンモグラフィ画像を用いたBCGスクリーニングのための新しい深層学習手法を提案する。
論文 参考訳(メタデータ) (2023-10-30T10:22:14Z) - ArSDM: Colonoscopy Images Synthesis with Adaptive Refinement Semantic
Diffusion Models [69.9178140563928]
大腸内視鏡検査は臨床診断や治療に不可欠である。
注釈付きデータの不足は、既存の手法の有効性と一般化を制限する。
本稿では, 下流作業に有用な大腸内視鏡画像を生成するために, 適応Refinement Semantic Diffusion Model (ArSDM)を提案する。
論文 参考訳(メタデータ) (2023-09-03T07:55:46Z) - 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) - Brain tumor grade classification Using LSTM Neural Networks with Domain
Pre-Transforms [0.0]
本稿では,手工芸品の組み合わせに基づく弱教師付き画像分類手法を提案する。
本研究では,脳腫瘍のグレードを実験的に分類し,256 x 256の解像度で術式の評価を行った。
論文 参考訳(メタデータ) (2021-06-21T07:04:52Z) - G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for
Biomarker Identification and Disease Classification [49.53651166356737]
診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。
2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
論文 参考訳(メタデータ) (2021-01-27T19:28:04Z) - Fader Networks for domain adaptation on fMRI: ABIDE-II study [68.5481471934606]
我々は3次元畳み込みオートエンコーダを用いて、無関係な空間画像表現を実現するとともに、ABIDEデータ上で既存のアプローチより優れていることを示す。
論文 参考訳(メタデータ) (2020-10-14T16:50:50Z) - Towards learned optimal q-space sampling in diffusion MRI [1.5640063295947522]
ファイバトラクトグラフィーのための統一的な推定フレームワークを提案する。
提案手法は,信号推定の精度とそれに続く解析精度を大幅に向上させる。
本稿では,Human Connectome Projectデータに基づく包括的比較分析を提案する。
論文 参考訳(メタデータ) (2020-09-07T10:46:12Z)
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。