論文の概要: Real-time deep learning phase imaging flow cytometer reveals blood cell aggregate biomarkers for haematology diagnostics

• arxiv url: http://arxiv.org/abs/2508.09215v1
• Date: Mon, 11 Aug 2025 15:58:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-14 20:42:00.627153
• Title: Real-time deep learning phase imaging flow cytometer reveals blood cell aggregate biomarkers for haematology diagnostics
• Title（参考訳）: リアルタイム深層学習位相イメージングサイトメーターによる血液細胞集合バイオマーカーの血行動態診断への応用
• Authors: Kerem Delikoyun, Qianyu Chen, Liu Wei, Si Ko Myo, Johannes Krell, Martin Schlegel, Win Sen Kuan, John Tshon Yit Soong, Gerhard Schneider, Clarissa Prazeres da Costa, Percy A. Knolle, Laurent Renia, Matthew Edward Cove, Hwee Kuan Lee, Klaus Diepold, Oliver Hayden,
• Abstract要約: 我々は、オフ軸デジタルホログラフィー(DHM)のためのエンドツーエンドのディープラーニングベース画像およびデータ処理フレームワークRT-HADを提案する。 RT-HADは、1.5分間のターンアラウンド時間と血小板凝集検出のエラー率8.9%で、30GBの画像をオンザフライで処理する。
• 参考スコア（独自算出の注目度）: 3.114807237042865
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: While analysing rare blood cell aggregates remains challenging in automated haematology, they could markedly advance label-free functional diagnostics. Conventional flow cytometers efficiently perform cell counting with leukocyte differentials but fail to identify aggregates with flagged results, requiring manual reviews. Quantitative phase imaging flow cytometry captures detailed aggregate morphologies, but clinical use is hampered by massive data storage and offline processing. Incorporating hidden biomarkers into routine haematology panels would significantly improve diagnostics without flagged results. We present RT-HAD, an end-to-end deep learning-based image and data processing framework for off-axis digital holographic microscopy (DHM), which combines physics-consistent holographic reconstruction and detection, representing each blood cell in a graph to recognize aggregates. RT-HAD processes >30 GB of image data on-the-fly with turnaround time of <1.5 min and error rate of 8.9% in platelet aggregate detection, which matches acceptable laboratory error rates of haematology biomarkers and solves the big data challenge for point-of-care diagnostics.
• Abstract（参考訳）: 血球凝集物の分析は, 自動造血術では依然として困難であるが, ラベルフリーな機能診断が著しく進歩する可能性がある。 従来のフローサイトメーターは、白血球差による細胞カウントを効率的に行うが、フラグ付き結果の集合体を識別できず、手動でレビューする必要がある。 定量的な位相イメージングフローサイトメトリーは詳細な凝集形態を捉えるが、臨床利用は大量のデータストレージとオフライン処理によって妨げられる。 隠れたバイオマーカーを通常の血液学パネルに組み込むことで、フラグを付けることなく診断を大幅に改善できる。 本稿では,物理に一貫性のあるホログラフィック再構成と検出を組み合わせた非軸デジタルホログラフィー(DHM)のための,エンドツーエンドのディープラーニングに基づく画像・データ処理フレームワークRT-HADについて述べる。 RT-HAD の処理は 30 GB のイメージデータをオンザフライで処理し,1/1.5 分のターンアラウンド時間と血小板凝集検出の誤差率 8.9% を処理し,血液マーカーの検査誤差率と一致し,ポイント・オブ・ケア診断におけるビッグデータの課題を解決する。

関連論文リスト

• Leveraging Sparse Annotations for Leukemia Diagnosis on the Large Leukemia Dataset [44.948939549346676]
  白血病は世界で10番目に頻繁に診断されるがんであり、がん関連死亡の原因の1つとなっている。 医学画像の深層学習の進歩にもかかわらず、白血病解析には多種多様なマルチタスクデータセットが欠けている。 大規模WBCデータセットと,その属性を用いてWBCを検出する新しい手法を提案する。
  論文  参考訳（メタデータ） (2025-04-03T14:04:02Z)
• Multiplex Imaging Analysis in Pathology: a Comprehensive Review on Analytical Approaches and Digital Toolkits [0.7968706282619793]
  マルチ多重イメージングは、複数のバイオマーカーを1つのセクションで同時に視覚化することを可能にする。 多重画像からのデータは、前処理、セグメンテーション、特徴抽出、空間解析のための洗練された計算方法を必要とする。 PathMLは、画像分析を効率化するAIベースのプラットフォームで、臨床および研究環境では複雑な解釈がアクセス可能である。
  論文  参考訳（メタデータ） (2024-11-01T18:02:41Z)
• Deep Generative Classification of Blood Cell Morphology [7.494975467007647]
  細胞形態を効果的にモデル化する拡散型分類器であるCytoDiffusionを紹介する。 本手法は異常検出における最先端の識別モデルよりも優れている。 直接解釈可能な逆ファクト・ヒートマップの生成によりモデル説明可能性を向上させる。
  論文  参考訳（メタデータ） (2024-08-16T19:17:02Z)
• 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)
• 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)
• Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
  ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。 我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
  論文  参考訳（メタデータ） (2021-10-27T19:28:36Z)
• Deep CNNs for Peripheral Blood Cell Classification [0.0]
  我々は、顕微鏡的末梢血細胞画像データセットに基づいて、27の人気の深層畳み込みニューラルネットワークアーキテクチャをベンチマークした。 血液細胞分類のためのImageNetデータセットに事前トレーニングされた最先端画像分類モデルを微調整する。
  論文  参考訳（メタデータ） (2021-10-18T17:56:07Z)
• Increasing a microscope's effective field of view via overlapped imaging and machine learning [4.23935174235373]
  この研究は、高効率自動検体分析のために単一のセンサー上で複数の独立した視野を重畳するマルチレンズ顕微鏡イメージングシステムを示す。
  論文  参考訳（メタデータ） (2021-10-10T22:52:36Z)
• 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。

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。