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
- Patched Diffusion Models for Unsupervised Anomaly Detection in Brain MRI [55.78588835407174]
本稿では,正常脳解剖のパッチベース推定法として拡散モデルの生成タスクを再構築する手法を提案する。
腫瘍と多発性硬化症について検討し,既存のベースラインと比較して25.1%の改善がみられた。
論文 参考訳(メタデータ) (2023-03-07T09:40:22Z) - 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) - Texture Characterization of Histopathologic Images Using Ecological
Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。
2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
論文 参考訳(メタデータ) (2022-02-27T02:19:09Z) - Bone Marrow Cell Recognition: Training Deep Object Detection with A New
Loss Function [10.34651590388805]
本稿では,新規なロス関数を最小化して学習したYOLOv5ネットワークに基づく骨髄細胞検出アルゴリズムを提案する。
提案する新規損失関数は,骨髄のクラス間の類似性を考慮し,異種クラス間の予測エラーに対するペナルティを増大させ,類似クラス間の予測エラーに対するペナルティを減少させる。
その結果, 提案した損失関数はアルゴリズムの性能を効果的に向上し, 提案した骨髄細胞検出アルゴリズムは他の細胞検出アルゴリズムよりも優れた性能を示した。
論文 参考訳(メタデータ) (2021-10-25T05:17:04Z) - 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) - 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。