論文の概要: A Fully Unsupervised Instance Segmentation Technique for White Blood Cell Images

• arxiv url: http://arxiv.org/abs/2306.14875v2
• Date: Thu, 30 Nov 2023 18:28:43 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-01 23:23:16.010247
• Title: A Fully Unsupervised Instance Segmentation Technique for White Blood Cell Images
• Title（参考訳）: 白血球画像のための完全教師なしインスタンスセグメンテーション手法
• Authors: Shrijeet Biswas, Amartya Bhattacharya
• Abstract要約: 白血球 (leukocytes) または白血球 (leukocytes) は、正常な免疫系細胞として機能する不均一に核化された細胞群である。 白血球は、ファゴサイトーシスを通じて人体に侵入するバクテリア、ウイルス、その他の病原体を殺傷する。 白血球数を検出すると、カモフラージュ感染や慢性的な医療状況について医師に警告することができる。
• 参考スコア（独自算出の注目度）: 0.4532517021515834
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: White blood cells, also known as leukocytes are group of heterogeneously nucleated cells which act as salient immune system cells. These are originated in the bone marrow and are found in blood, plasma, and lymph tissues. Leukocytes kill the bacteria, virus and other kind of pathogens which invade human body through phagocytosis that in turn results immunity. Detection of a white blood cell count can reveal camouflaged infections and warn doctors about chronic medical conditions such as autoimmune diseases, immune deficiencies, and blood disorders. Segmentation plays an important role in identification of white blood cells (WBC) from microscopic image analysis. The goal of segmentation in a microscopic image is to divide the image into different distinct regions. In our paper, we tried to propose a novel instance segmentation method for segmenting the WBCs containing both the nucleus and the cytoplasm, from bone marrow images.
• Abstract（参考訳）: 白血球 (leukocytes) とも呼ばれる白血球は、正常な免疫系細胞として機能する不均一に核化された細胞群である。 これらは骨髄に由来するもので、血液、血漿、リンパ組織に存在する。 白血球は、ヒトの体内に侵入する細菌、ウイルス、その他の病原体を殺す。 白血球数の検出は、カモフラージュ感染や、自己免疫疾患、免疫不全、血液疾患などの慢性的な疾患について医師に警告することができる。 分画は顕微鏡画像解析から白血球(WBC)の同定に重要な役割を果たしている。 顕微鏡画像におけるセグメンテーションの目標は、画像を異なる領域に分割することである。 そこで本研究では,核と細胞質の両方を含むWBCを骨髄画像からセグメント化するための新しい例分割法を提案する。

関連論文リスト

• Automatic Classification of White Blood Cell Images using Convolutional Neural Network [0.0]
  ヒト免疫系には、細菌感染症、エイズ、がん、脾臓など多くの疾患の指標となる白血球(WBC)が含まれる。 伝統的に、実験室では、病理学者や血液学者が顕微鏡で血液細胞を分析し、手動で分類する。 本稿ではまず,ResNet-50,InceptionV3,VGG16,MobileNetV2などのCNNプレトレインモデルを用いて,白血球の自動分類を行った。 これらのアーキテクチャに触発されて、4種類の白血球を精度良く自動的に分類する枠組みが提案されている。
  論文  参考訳（メタデータ） (2024-09-19T16:39:46Z)
• Single-Cell Deep Clustering Method Assisted by Exogenous Gene Information: A Novel Approach to Identifying Cell Types [50.55583697209676]
  我々は,細胞間のトポロジ的特徴を効率的に捉えるために,注目度の高いグラフオートエンコーダを開発した。 クラスタリング過程において,両情報の集合を統合し,細胞と遺伝子の特徴を再構成し,識別的表現を生成する。 本研究は、細胞の特徴と分布に関する知見を高め、疾患の早期診断と治療の基礎となる。
  論文  参考訳（メタデータ） (2023-11-28T09:14:55Z)
• Style transfer between Microscopy and Magnetic Resonance Imaging via Generative Adversarial Network in small sample size settings [49.84018914962972]
  磁気共鳴イメージング(MRI)のクロスモーダル増強と、同じ組織サンプルに基づく顕微鏡イメージングが期待できる。 コンディショナル・ジェネレーティブ・逆境ネットワーク (cGAN) アーキテクチャを用いて, コーパス・カロサムのMRI画像から顕微鏡組織像を生成する方法を検討した。
  論文  参考訳（メタデータ） (2023-10-16T13:58:53Z)
• Classification of All Blood Cell Images using ML and DL Models [7.737213476933511]
  ヒトの血液は、主に血漿、赤血球、白血球、血小板から構成される。 栄養素を異なる臓器に輸送する上で重要な役割を担っている。 血液分析は、医師が個人の生理状態を評価するのに役立つ。
  論文  参考訳（メタデータ） (2023-08-11T07:57:12Z)
• Pixel-Level Explanation of Multiple Instance Learning Models in Biomedical Single Cell Images [52.527733226555206]
  複数のインスタンス学習モデルを説明するための4つの属性法について検討する。 急性骨髄性白血病の2つのデータセットと100万以上の単細胞画像について検討した。 我々は、属性マップと医療専門家の注釈を比較し、モデルの意思決定が人間の基準とどのように異なるかを確認する。
  論文  参考訳（メタデータ） (2023-03-15T14:00:11Z)
• Lymphocyte Classification in Hyperspectral Images of Ovarian Cancer Tissue Biopsy Samples [94.37521840642141]
  生検コアのハイパースペクトル画像に白血球画素を分割する機械学習パイプラインを提案する。 これらの細胞は臨床的に診断に重要であるが、いくつかの先行研究は正確なピクセルラベルを得るのが困難であるため、それらを組み込むのに苦労している。
  論文  参考訳（メタデータ） (2022-03-23T00:58:27Z)
• 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)
• Multi-scale Regional Attention Deeplab3+: Multiple Myeloma Plasma Cells Segmentation in Microscopic Images [2.121963121603413]
  多発性骨髄腫(multiple myeloma cancer)は、骨髄において異常な血漿細胞の増殖が制御不能になったときに発生する血液がんの一種である。 全身血球数検査(CBC)や気道スライド画像で骨髄腫細胞をカウントするなど、骨髄の多発性骨髄腫を診断する方法は様々です。 複数の骨髄腫血漿細胞の検出と分割のための自動深層学習方法が検討されている。
  論文  参考訳（メタデータ） (2021-05-13T12:42:32Z)
• Attention based Multiple Instance Learning for Classification of Blood Cell Disorders [38.086308180994976]
  血液細胞障害患者の血液サンプルを分類するために,注意に基づく多症例学習法を提案する。 各細胞から抽出された特徴により、患者サンプルを4つの血液細胞障害のうち1つに分類する。 注意機構は、各セルの全体的な分類への貢献度を測定し、ネットワークの分類精度と医療専門家に対する解釈可能性を大幅に改善する。
  論文  参考訳（メタデータ） (2020-07-22T19:29:40Z)
• Towards a Complete Pipeline for Segmenting Nuclei in Feulgen-Stained Images [52.946144307741974]
  頸部がんは世界で2番目に多いがんである。 本稿では,畳み込みニューラルネットワークを用いたフェールゲン安定画像中の核分割のための完全なパイプラインを提案する。 We achieved a overall IoU 0.78, showed the availableability of the approach of nuclear segmentation on Feulgen-stained images。
  論文  参考訳（メタデータ） (2020-02-19T18:14:57Z)

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。