論文の概要: Beta Thalassemia Carriers detection empowered federated Learning

• arxiv url: http://arxiv.org/abs/2306.01818v1
• Date: Fri, 2 Jun 2023 11:59:57 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-07 00:01:55.876138
• Title: Beta Thalassemia Carriers detection empowered federated Learning
• Title（参考訳）: Beta Thalassemia Carriers 検出による連合学習
• Authors: Muhammad Shoaib Farooq, Hafiz Ali Younas
• Abstract要約: タラス血症(英: Thalassemia)は、酸素を運ぶ赤血球のタンパク質であるヘモグロビンが十分に作られていないときに起こる遺伝性血液疾患の1つである。 ベータタラセミアキャリアーの血液検査は高価すぎるし、時間がかかりすぎるし、スクリーニング装置が多すぎる。 この研究は、サテライトのキャリアを見つけ、大規模にスクリーニングするためのドアを開く、有望で、迅速で、正確で、低コストな方法を示している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Thalassemia is a group of inherited blood disorders that happen when hemoglobin, the protein in red blood cells that carries oxygen, is not made enough. It is found all over the body and is needed for survival. If both parents have thalassemia, a child's chance of getting it increases. Genetic counselling and early diagnosis are essential for treating thalassemia and stopping it from being passed on to future generations. It may be hard for healthcare professionals to differentiate between people with thalassemia carriers and those without. The current blood tests for beta thalassemia carriers are too expensive, take too long, and require too much screening equipment. The World Health Organization says there is a high death rate for people with thalassemia. Therefore, it is essential to find thalassemia carriers to act quickly. High-performance liquid chromatography (HPLC), the standard test method, has problems such as cost, time, and equipment needs. So, there must be a quick and cheap way to find people carrying the thalassemia gene. Using federated learning (FL) techniques, this study shows a new way to find people with the beta-thalassemia gene. FL allows data to be collected and processed on-site while following privacy rules, making it an excellent choice for sensitive health data. Researchers used FL to train a model for beta-thalassemia carriers by looking at the complete blood count results and red blood cell indices. The model was 92.38 % accurate at telling the difference between beta-thalassemia carriers and people who did not have the disease. The proposed FL model is better than other published methods in terms of how well it works, how reliable it is, and how private it is. This research shows a promising, quick, accurate, and low-cost way to find thalassemia carriers and opens the door for screening them on a large scale.
• Abstract（参考訳）: タラス血症(英: Thalassemia)は、酸素を運ぶ赤血球のタンパク質であるヘモグロビンが十分に作られていないときに起こる遺伝性血液疾患である。 全身に存在し、生存に必要である。 両親がタラス血症を患うと、子どもが発症する確率が高くなる。 遺伝カウンセリングと早期診断は、サラセミアを治療し、それを将来の世代に渡さないために不可欠である。 医療専門家にとって、タラセミアキャリアーを持つ人と、それのない人とを区別することは難しいかもしれない。 beta thalassemiaキャリアの現在の血液検査は高価すぎるし、時間がかかりすぎるし、検査装置が多すぎる。 世界保健機関(who)によると、タラス血症患者は死亡率が高い。 そのため、タラセミア担体を迅速に作用させることが不可欠である。 高速液体クロマトグラフィー(HPLC)は、標準試験法であり、コスト、時間、機器の要求といった問題がある。 そのため、テラセミア遺伝子を持つ人を見つけるための迅速かつ安価な方法があるに違いない。 この研究は、FL(Federated Learning)技術を用いて、β-サラセミア遺伝子を持つ人を見つける新しい方法を示す。 FLはプライバシ規則に従ってデータを収集し、現場で処理することを可能にするため、機密性の高い健康データには優れた選択肢である。 研究者たちはFLを使って、血液計数結果と赤血球の指標を調べて、β-タラセミアキャリアーのモデルを訓練した。 このモデルでは、ベータ・サラセミアのキャリアーと疾患のない人の違いを示す精度92.38 %であった。 提案されたFLモデルは、その機能や信頼性、プライベート性の観点から、他の公開された方法よりも優れている。 この研究は、タラスセミアキャリアを見つけるための有望で、迅速、正確、かつ低コストな方法を示し、それらを大規模にスクリーニングするための扉を開く。

関連論文リスト

• A Hybrid Feature Fusion Deep Learning Framework for Leukemia Cancer Detection in Microscopic Blood Sample Using Gated Recurrent Unit and Uncertainty Quantification [1.024113475677323]
  白血病は、顕微鏡で血液や骨髄の腫れを分析して診断され、さらなる細胞化学的検査によって確認される。 深層学習は、白血病細胞の検出を補助する、顕微鏡スミア画像を分類する高度な方法を提供している。 本研究では,急性リンパ性白血病(ALL)の分類のためのハイブリッドディープラーニングモデルを構築した。 提案手法は、ALL-IDB1データセットで100%、ALL-IDB2データセットで98.07%、組み合わせたデータセットで98.64%という顕著な検出精度を達成した。
  論文  参考訳（メタデータ） (2024-10-18T15:23:34Z)
• 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)
• Machine learning methods for the search for L&T brown dwarfs in the data of modern sky surveys [67.17190225886465]
  ブラウン・ドワーフ(BD)は、銀河の全ての天体の25%を占めるべきである。 その弱さのため、ブラウン・ドワーフのスペクトル研究は比較的困難である。 多くの試みが、その色を決定規則として使用して茶色の小星を探索し、生成する試みがなされている。
  論文  参考訳（メタデータ） (2023-08-06T08:14:35Z)
• Fairly Predicting Graft Failure in Liver Transplant for Organ Assigning [61.30094367351618]
  肝移植は肝疾患に対して必要不可欠な治療法である。 機械学習モデルは不公平であり、特定のグループに対する偏見を引き起こす可能性がある。 本研究は,肝移植における移植不全予測を目的とした,公正な機械学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-02-18T18:24:58Z)
• Leukemia detection based on microscopic blood smear images using deep learning [0.04772550536513547]
  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。
  論文  参考訳（メタデータ） (2022-12-19T17:17:20Z)
• Long-Tailed Classification of Thorax Diseases on Chest X-Ray: A New Benchmark Study [75.05049024176584]
  胸部X線上の胸部疾患の特定領域における長期学習問題についてベンチマーク研究を行った。 我々は,自然に分布する胸部X線データから学ぶことに集中し,一般的な「頭部」クラスだけでなく,稀ながら重要な「尾」クラスよりも分類精度を最適化する。 このベンチマークは、19と20の胸郭疾患分類のための2つの胸部X線データセットで構成され、53,000のクラスと7のラベル付きトレーニング画像を含む。
  論文  参考訳（メタデータ） (2022-08-29T04:34:15Z)
• Building Brains: Subvolume Recombination for Data Augmentation in Large Vessel Occlusion Detection [56.67577446132946]
  この戦略をデータから学ぶためには、標準的なディープラーニングベースのモデルに対して、大規模なトレーニングデータセットが必要である。 そこで本研究では, 異なる患者から血管木セグメントを組換えることで, 人工的なトレーニングサンプルを生成する方法を提案する。 拡張スキームに則って,タスク固有の入力を入力した3D-DenseNetを用いて,半球間の比較を行う。
  論文  参考訳（メタデータ） (2022-05-05T10:31:57Z)
• 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)
• Relational Subsets Knowledge Distillation for Long-tailed Retinal Diseases Recognition [65.77962788209103]
  本研究では,長尾データを知識に基づいて複数のクラスサブセットに分割し,クラスサブセット学習を提案する。 モデルがサブセット固有の知識の学習に集中するように強制する。 提案手法は長期網膜疾患認識タスクに有効であることが判明した。
  論文  参考訳（メタデータ） (2021-04-22T13:39:33Z)
• A Dataset and Benchmark for Malaria Life-Cycle Classification in Thin Blood Smear Images [7.113350536579545]
  マラリア顕微鏡、寄生虫Plasmodiumを検出するステンド血液スライドの顕微鏡検査は、マラリアを検出するための金標準であると考えられています。 本研究では,染色フィルム写真中のプラスモジウム寄生虫を自動的に検出(局在化)する深層学習に基づく手法を提案する。 機械学習に基づくマラリア顕微鏡の研究を容易にするために,新しい大規模顕微鏡画像マラリアデータセットを提案する。
  論文  参考訳（メタデータ） (2021-02-17T11:44:52Z)
• Localization of Malaria Parasites and White Blood Cells in Thick Blood Smears [5.36646793661301]
  本研究はマラリア原虫および白血球(WBCs)の局在と数に対するエンドツーエンドアプローチを提案する。 血液スミア画像のスライスデータセットを用いて,得られたデジタル画像を解析するモデルを構築した。 予備的な結果は、我々のディープラーニングアプローチがマラリア原虫とWBCの数を確実に検出し、返却していることを示している。
  論文  参考訳（メタデータ） (2020-12-03T15:14:38Z)

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。