Fugu-MT 論文翻訳(概要): Bone Marrow Cytomorphology Cell Detection using InceptionResNetV2

論文の概要: Bone Marrow Cytomorphology Cell Detection using InceptionResNetV2

arxiv url: http://arxiv.org/abs/2305.05430v1
Date: Tue, 9 May 2023 13:18:35 GMT
ステータス: 処理完了
システム内更新日: 2023-05-10 19:31:50.375875
Title: Bone Marrow Cytomorphology Cell Detection using InceptionResNetV2
Title（参考訳）: InceptionResNetV2を用いた骨髄形態細胞検出
Authors: Raisa Fairooz Meem, Khandaker Tabin Hasan
Abstract要約: 本稿では,骨髄細胞検出のための新しい転写学習モデルを提案する。提案モデルは96.19%の精度を達成し、将来この領域の他の医療画像の解析に使用できる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Critical clinical decision points in haematology are influenced by the requirement of bone marrow cytology for a haematological diagnosis. Bone marrow cytology, however, is restricted to reference facilities with expertise, and linked to inter-observer variability which requires a long time to process that could result in a delayed or inaccurate diagnosis, leaving an unmet need for cutting-edge supporting technologies. This paper presents a novel transfer learning model for Bone Marrow Cell Detection to provide a solution to all the difficulties faced for the task along with considerable accuracy. The proposed model achieved 96.19\% accuracy which can be used in the future for analysis of other medical images in this domain.
Abstract（参考訳）: 血友病における臨床的決定ポイントは,血友病診断における骨髄細胞診の要件に左右される。しかし、骨髄細胞診は専門知識を持つ施設に限られており、プロセスが遅れたり不正確な診断をもたらすのに長い時間を要するサーバ間変動と結びついており、最先端のサポート技術の必要性は残されている。本稿では,骨骨髄細胞検出のための新しい転写学習モデルを提案する。提案モデルは96.19 %の精度を達成し,将来この領域の他の医療画像の解析に利用できるようになる。

関連論文リスト

Diagnosis of Malignant Lymphoma Cancer Using Hybrid Optimized Techniques Based on Dense Neural Networks [0.0]
本研究では,特徴抽出のためのDenseNet201と分類のためのニューラルネットワーク(DNN)を組み合わせた新しいハイブリッドディープラーニングフレームワークを提案する。提案手法は99.33%の精度を達成し,精度とモデル解釈性の両方を著しく改善した。
論文参考訳（メタデータ） (2024-10-09T15:12:35Z)
Neural Network-Based Histologic Remission Prediction In Ulcerative Colitis [38.150634108667774]
潰瘍性大腸炎(UC)の新しい治療標的としての組織学的寛解内視鏡(Endocytoscopy、EC)は、新しい超高倍率内視鏡技術である。本稿では,心電図の組織学的疾患活動を評価するニューラルネットワークモデルを提案する。
論文参考訳（メタデータ） (2023-08-28T15:54:14Z)
Meta-information-aware Dual-path Transformer for Differential Diagnosis of Multi-type Pancreatic Lesions in Multi-phase CT [41.199716328468895]
膵病変の分類と分節の可能性を活用するために, デュアルパストランスフォーマーを開発した。提案手法は, CNN-based segmentation path (S-path) と Transformer-based classification path (C-path) から構成される。以上の結果から,膵病変の完全分類の正確な分類と分類が可能であることが示唆された。
論文参考訳（メタデータ） (2023-03-02T03:34:28Z)
Deep-Learning Tool for Early Identifying Non-Traumatic Intracranial Hemorrhage Etiology based on CT Scan [40.51754649947294]
深層学習モデルは、2011年1月から2018年4月までに収集された非外傷性ICHを用いた1868個のNCCTスキャンを用いて開発された。診断成績は臨床医の成績と比較した。臨床医は, システム拡張による特定の出血エチオロジーの感度, 特異性, 精度を著しく改善した。
論文参考訳（メタデータ） (2023-02-02T08:45:17Z)
Beyond Labels: Visual Representations for Bone Marrow Cell Morphology Recognition [3.4352862428120123]
ラベル付きデータによる単独依存から逸脱して骨髄細胞認識の最先端手法を改善する。本実験は, 骨髄細胞認識タスクの実施において, 顕著な性能向上を示すものである。
論文参考訳（メタデータ） (2022-05-19T22:05:46Z)
Breast Cancer Induced Bone Osteolysis Prediction Using Temporal Variational Auto-Encoders [65.95959936242993]
骨分解性骨病変の進展を正確に予測し,可視化する深層学習フレームワークを開発した。乳癌患者の骨格関連事象(SRE)を予防するための治療戦略の計画と評価を支援する。
論文参考訳（メタデータ） (2022-03-20T21:00:10Z)
Primary Tumor and Inter-Organ Augmentations for Supervised Lymph Node Colon Adenocarcinoma Metastasis Detection [8.69535649683089]
ラベル付きデータの不足は、病理組織学応用のためのディープラーニングベースのモデルを開発する上で、大きなボトルネックとなる。本研究は,対象領域の限定的あるいは全く表現されていない場合の大腸癌転移検出のためのトレーニングデータの拡張方法について検討する。
論文参考訳（メタデータ） (2021-09-17T17:31:25Z)
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)
Histogram of Cell Types: Deep Learning for Automated Bone Marrow Cytology [3.8385120184415418]
細胞型ヒストグラム(HCT)は骨髄のクラス分布の新規な表現である。 HCTは、血液病理診断に革命をもたらす可能性があり、よりコスト効率が高く、正確な診断をもたらし、正確な医療を行うための扉を開く。
論文参考訳（メタデータ） (2021-07-05T21:55:00Z)
An Attention-based Weakly Supervised framework for Spitzoid Melanocytic Lesion Diagnosis in WSI [1.0948946179065253]
メラノーマは皮膚がんによる死の大半の原因となる攻撃的な腫瘍である。診断と予後のための金の基準は、皮膚生検の分析である。改良型畳み込みニューラルネットワーク(CNN)を用いた誘導伝達学習に基づく,エンドツーエンドの弱い教師付き深層学習モデルを提案する。本フレームワークは、腫瘍パッチレベルパターンの発見を担当するソースモデルと、生検の特定診断に焦点を当てたターゲットモデルとから構成される。
論文参考訳（メタデータ） (2021-04-20T10:18:57Z)
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。