Fugu-MT 論文翻訳(概要): A Novel Deep Learning based Model for Erythrocytes Classification and Quantification in Sickle Cell Disease

論文の概要: A Novel Deep Learning based Model for Erythrocytes Classification and Quantification in Sickle Cell Disease

arxiv url: http://arxiv.org/abs/2305.01663v1
Date: Tue, 2 May 2023 10:28:07 GMT
ステータス: 処理完了
システム内更新日: 2023-05-04 17:06:58.487576
Title: A Novel Deep Learning based Model for Erythrocytes Classification and Quantification in Sickle Cell Disease
Title（参考訳）: シックル細胞病における赤血球の分類と定量化のための新しいディープラーニングモデル
Authors: Manish Bhatia, Balram Meena, Vipin Kumar Rathi, Prayag Tiwari, Amit Kumar Jaiswal, Shagaf M Ansari, Ajay Kumar, Pekka Marttinen
Abstract要約: 我々は、赤血球の歪んだ、正常な形態を分類し、定量化するために、カスタマイズされた深層畳み込みニューラルネットワーク(CNN)モデルを提案した。本研究は, 脂肪細胞, 卵胞, 毛細血管を含む3種類の赤血球形態について検討した。我々は18階層の深層CNNアーキテクチャを用いて、これらの形状を81%の精度で識別し、定量化し、他のモデルより優れています。
参考スコア（独自算出の注目度）: 16.351002089332994
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The shape of erythrocytes or red blood cells is altered in several pathological conditions. Therefore, identifying and quantifying different erythrocyte shapes can help diagnose various diseases and assist in designing a treatment strategy. Machine Learning (ML) can be efficiently used to identify and quantify distorted erythrocyte morphologies. In this paper, we proposed a customized deep convolutional neural network (CNN) model to classify and quantify the distorted and normal morphology of erythrocytes from the images taken from the blood samples of patients suffering from Sickle cell disease ( SCD). We chose SCD as a model disease condition due to the presence of diverse erythrocyte morphologies in the blood samples of SCD patients. For the analysis, we used 428 raw microscopic images of SCD blood samples and generated the dataset consisting of 10, 377 single-cell images. We focused on three well-defined erythrocyte shapes, including discocytes, oval, and sickle. We used 18 layered deep CNN architecture to identify and quantify these shapes with 81% accuracy, outperforming other models. We also used SHAP and LIME for further interpretability. The proposed model can be helpful for the quick and accurate analysis of SCD blood samples by the clinicians and help them make the right decision for better management of SCD.
Abstract（参考訳）: 赤血球や赤血球の形状は、いくつかの病的状況で変化する。したがって、異なる赤血球形状の同定と定量化は、様々な疾患の診断や治療戦略の設計に寄与する。機械学習(ML)は、歪んだ赤血球の形態を効率的に同定し定量化するために用いられる。本稿では, 赤血球の歪んだ正常な形態をシックル細胞疾患(scd)患者の血液サンプルから抽出した画像から分類し, 定量化するために, カスタマイズされた深層畳み込みニューラルネットワーク(cnn)モデルを提案する。 scd患者の血液サンプル中の赤血球形態が多様であることから,モデル疾患としてscdを選択した。分析には,scd血液サンプルの生の顕微鏡像428枚を用いて10,377個の単細胞画像からなるデータセットを作成した。関節円板,楕円体,シックルの3種類の赤血球形状に注目した。 18層深層cnnアーキテクチャを用いて,これらの形状を81%の精度で識別・定量化し,他のモデルよりも優れていた。また,SHAPとLIMEをさらなる解釈性に用いた。提案モデルは,臨床医によるSCD血液サンプルの迅速かつ正確な分析に役立ち,SCDのより良い管理のために適切な判断を下すのに役立つ。

関連論文リスト

Brain Tumor Classification on MRI in Light of Molecular Markers [61.77272414423481]
1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
論文参考訳（メタデータ） (2024-09-29T07:04:26Z)
Deep Generative Classification of Blood Cell Morphology [7.494975467007647]
細胞形態を効果的にモデル化する拡散型分類器であるCytoDiffusionを紹介する。本手法は異常検出における最先端の識別モデルよりも優れている。直接解釈可能な逆ファクト・ヒートマップの生成によりモデル説明可能性を向上させる。
論文参考訳（メタデータ） (2024-08-16T19:17:02Z)
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)
Machine learning based lens-free imaging technique for field-portable cytometry [0.0]
提案手法の精度は98%に向上し,多くの細胞に対して5dB以上の信号が増強された。モデルは、数回の学習イテレーションで新しいタイプのサンプルを学ぶために適応し、新しく導入されたサンプルをうまく分類することができる。
論文参考訳（メタデータ） (2022-03-02T07:09:29Z)
Pathological Analysis of Blood Cells Using Deep Learning Techniques [0.0]
血液細胞像を様々なカテゴリに分類するニューラルネットワークが提案されている。提案したモデルの性能は、既存の標準アーキテクチャよりも優れており、様々な研究者によってなされている。
論文参考訳（メタデータ） (2021-11-05T05:37:10Z)
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)
Personalized pathology test for Cardio-vascular disease: Approximate Bayesian computation with discriminative summary statistics learning [48.7576911714538]
近似計算を用いて生物学的に有意なパラメータを推定するための血小板沈着モデルと推論手法を提案する。この研究は、CVDの検出と治療のためのパーソナライズされた病理検査の先例のない機会を開く。
論文参考訳（メタデータ） (2020-10-13T15:20:21Z)
M3Lung-Sys: A Deep Learning System for Multi-Class Lung Pneumonia Screening from CT Imaging [85.00066186644466]
マルチタスク型マルチスライス深層学習システム(M3Lung-Sys)を提案する。 COVID-19とHealthy, H1N1, CAPとの鑑別に加えて, M3 Lung-Sysも関連病変の部位を特定できる。
論文参考訳（メタデータ） (2020-10-07T06:22:24Z)
Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype Prediction [55.94378672172967]
本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
論文参考訳（メタデータ） (2020-09-02T02:50:30Z)
Co-Heterogeneous and Adaptive Segmentation from Multi-Source and Multi-Phase CT Imaging Data: A Study on Pathological Liver and Lesion Segmentation [48.504790189796836]
我々は,新しいセグメンテーション戦略,コヘテロジネティック・アダプティブセグメンテーション(CHASe)を提案する。本稿では,外見に基づく半スーパービジョン,マスクに基づく対向ドメイン適応,擬似ラベルを融合した多目的フレームワークを提案する。 CHASeは4.2% sim 9.4%$の範囲で、病理的な肝臓マスクDice-Sorensen係数をさらに改善することができる。
論文参考訳（メタデータ） (2020-05-27T06:58:39Z)

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。