論文の概要: Automated Quantification of White Blood Cells in Light Microscopic Images of Injured Skeletal Muscle

• arxiv url: http://arxiv.org/abs/2409.06722v1
• Date: Mon, 26 Aug 2024 18:55:44 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-15 05:11:34.155327
• Title: Automated Quantification of White Blood Cells in Light Microscopic Images of Injured Skeletal Muscle
• Title（参考訳）: 損傷骨格筋の顕微鏡像における白血球の自動定量
• Authors: Yang Jiao, Hananeh Derakhshan, Barbara St. Pierre Schneider, Emma Regentova, Mei Yang,
• Abstract要約: 白血球 (WBC) は、損傷した筋肉の治癒過程において最も多様な細胞タイプである。 損傷筋と損傷筋の顕微鏡画像を用いてWBCを自動定量分析するフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 12.157299754447202
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: White blood cells (WBCs) are the most diverse cell types observed in the healing process of injured skeletal muscles. In the course of healing, WBCs exhibit dynamic cellular response and undergo multiple protein expression changes. The progress of healing can be analyzed by quantifying the number of WBCs or the amount of specific proteins in light microscopic images obtained at different time points after injury. In this paper, we propose an automated quantifying and analysis framework to analyze WBCs using light microscopic images of uninjured and injured muscles. The proposed framework is based on the Localized Iterative Otsu's threshold method with muscle edge detection and region of interest extraction. Compared with the threshold methods used in ImageJ, the LI Otsu's threshold method has high resistance to background area and achieves better accuracy. The CD68-positive cell results are presented for demonstrating the effectiveness of the proposed work.
• Abstract（参考訳）: 白血球 (WBC) は、損傷した骨格筋の治癒過程において最も多様な細胞タイプである。 治癒過程において、WBCは動的細胞応答を示し、複数のタンパク質の発現変化を経験する。 損傷後の異なる時刻で得られた光顕微鏡画像において、WBCの数や特定のタンパク質の量を定量化することにより、治癒の進行を分析することができる。 本稿では,損傷筋と損傷筋の顕微鏡画像を用いたWBCの自動定量分析フレームワークを提案する。 提案手法は, 筋端検出と関心抽出領域を用いた局所的反復的大津しきい値法に基づく。 ImageJのしきい値法と比較すると,LI Otsuのしきい値法は背景領域に対して高い抵抗を有し,精度が向上する。 本研究の有効性を示すため,CD68陽性細胞実験を行った。

関連論文リスト

• IDCIA: Immunocytochemistry Dataset for Cellular Image Analysis [0.5057850174013127]
  そこで我々は,細胞画像解析のための機械学習手法の有効性を向上させるために,新しい注釈付き微視的セル画像データセットを提案する。 我々のデータセットには、細胞の顕微鏡像と、各画像、細胞数、細胞の位置が含まれています。
  論文  参考訳（メタデータ） (2024-11-13T19:33:08Z)
• Image segmentation of treated and untreated tumor spheroids by Fully Convolutional Networks [0.0]
  MCTS(Multicellular tumor spheroids)は、放射線(化学)療法の効果を評価するための先進的な細胞培養系である。 我々は2つの完全畳み込みネットワーク(UNetとHRNet)を訓練し、未処理および処理されたMCTSの自動セグメンテーションを開発する。
  論文  参考訳（メタデータ） (2024-05-02T09:14:38Z)
• Practical Guidelines for Cell Segmentation Models Under Optical Aberrations in Microscopy [14.042884268397058]
  本研究は,光収差下でのセル画像のセグメンテーションモデルについて,蛍光顕微鏡と光電場顕微鏡を用いて評価する。 ネットワークヘッドの異なるOstoしきい値法やMask R-CNNなどのセグメンテーションモデルをトレーニングし,テストする。 対照的に、Cellpose 2.0は同様の条件下で複雑な細胞画像に有効であることが証明されている。
  論文  参考訳（メタデータ） (2024-04-12T15:45:26Z)
• 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)
• Stain-invariant self supervised learning for histopathology image analysis [74.98663573628743]
  乳がんのヘマトキシリンおよびエオシン染色像におけるいくつかの分類課題に対する自己監督アルゴリズムを提案する。 本手法は,いくつかの乳がんデータセット上での最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2022-11-14T18:16:36Z)
• 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)
• Multi-Scale Input Strategies for Medulloblastoma Tumor Classification using Deep Transfer Learning [59.30734371401316]
  乳腺芽腫は小児で最も多い悪性脳腫瘍である。 CNNはMBサブタイプ分類に有望な結果を示した。 タイルサイズと入力戦略の影響について検討した。
  論文  参考訳（メタデータ） (2021-09-14T09:42:37Z)
• Automatic Multi-Stain Registration of Whole Slide Images in Histopathology [0.0]
  単一セルの精度で巨大なギガピクセルの全体スライド画像(WSI)を自動で高速かつ断続的にアライメントするのは難しい。 本稿では,微小な転移リンパ節の局在化を支援するために,2段階の自動機能ベースのクロスステインアライメントを提案する。
  論文  参考訳（メタデータ） (2021-07-29T19:38:30Z)
• A Multiple-Instance Learning Approach for the Assessment of Gallbladder Vascularity from Laparoscopic Images [0.0]
  LC操作画像のコンピュータビジョン解析によるGB壁の血管性評価のためのMIL手法を提案する。 我々は、様々な最先端のMILとシングルインスタンス学習のアプローチを比較し、変分ベイズ推定に基づくMIL手法を提案する。 提案手法は、それぞれ第1タスクと第2タスクに対して92.1%と90.3%の精度で最高の性能を示す。
  論文  参考訳（メタデータ） (2021-07-26T10:22:16Z)
• Synergistic Learning of Lung Lobe Segmentation and Hierarchical Multi-Instance Classification for Automated Severity Assessment of COVID-19 in CT Images [61.862364277007934]
  3次元CT画像におけるCOVID-19の重症度自動評価のための相乗的学習フレームワークを提案する。 マルチタスクのディープネットワーク(M$2$UNet)が開発され、新型コロナウイルス患者の重症度を評価する。 われわれのM$2$UNetはパッチレベルのエンコーダと肺葉分画のためのセグメンテーションサブネットワークと重度評価のための分類サブネットワークから構成されている。
  論文  参考訳（メタデータ） (2020-05-08T03:16:15Z)
• Microvascular Dynamics from 4D Microscopy Using Temporal Segmentation [81.30750944868142]
  経時的に脳血流量の変化を追跡でき, ピアル表面に向かって伝播する自発性動脈拡張を同定できる。 この新たなイメージング機能は、機能的磁気共鳴イメージング(fMRI)を基盤とした血行動態応答関数を特徴付けるための有望なステップである。
  論文  参考訳（メタデータ） (2020-01-14T22:55:03Z)

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。