論文の概要: Deep Learning-Enhanced Analysis for Delineating Anticoagulant Essay Efficacy Using Phase Microscopy

• arxiv url: http://arxiv.org/abs/2511.11158v1
• Date: Fri, 14 Nov 2025 10:39:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-17 22:42:18.541786
• Title: Deep Learning-Enhanced Analysis for Delineating Anticoagulant Essay Efficacy Using Phase Microscopy
• Title（参考訳）: 位相顕微鏡を用いた深層学習による抗凝固エッセイ効果の解析
• Authors: S. Shrivastava, M. Rathor, D. Yenurkar, S. K. Chaubey, S. Mukherjee, R. K. Singh,
• Abstract要約: 体から血液を引き出した後の血液の凝固は、血液学的分析において重要な課題となる。 本稿では,デジタルホログラフィー顕微鏡(DHM)を用いた抗凝固薬の生体内効果を規定する深層学習フレームワークを提案する。 本研究では,ヒト血液サンプルを解析し,正確な細胞数測定と形態学的推定が可能なラベルレス非侵襲的アプローチを実証する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The coagulation of blood after it is drawn from the body poses a significant challenge for hematological analysis, potentially leading to inaccurate test results and altered cellular characteristics, compromising diagnostic reliability. This paper presents a deep learning-enhanced framework for delineating anticoagulant efficacy ex vivo using Digital Holographic Microscopy (DHM). We demonstrate a label-free, non-invasive approach for analyzing human blood samples, capable of accurate cell counting and morphological estimation. A DHM with an automated image processing and deep learning pipeline is built for morphological analysis of the blood cells under two different anti-coagulation agents, e.g. conventional EDTA and novel potassium ferric oxalate nanoparticles (KFeOx-NPs). This enables automated high-throughput screening of cells and estimation of blood coagulation rates when samples are treated with different anticoagulants. Results indicated that KFeOx-NPs prevented human blood coagulation without altering the cellular morphology of red blood cells (RBCs), whereas EDTA incubation caused notable changes within 6 hours of incubation. The system allows for quantitative analysis of coagulation dynamics by assessing parameters like cell clustering and morphology over time in these prepared samples, offering insights into the comparative efficacy and effects of anticoagulants outside the body.
• Abstract（参考訳）: 血液の凝固は血液学的解析において重要な課題であり、不正確な検査結果と細胞特性の変化を招き、診断の信頼性を損なう可能性がある。 本稿では,DHM(Digital Holographic Microscopy)を用いて,抗凝固薬の生体外効果を規定する深層学習フレームワークを提案する。 本研究では,ヒト血液サンプルを解析し,正確な細胞数と形態的推定が可能なラベルのない非侵襲的アプローチを実証する。 自動画像処理および深層学習パイプラインを備えたDHMは、従来のEDTAと新規な酸化鉄カリウムナノ粒子(KFeOx-NPs)の2種類の抗凝固剤による血液細胞の形態解析のために構築されている。 これにより、サンプルを異なる抗凝固剤で処理した場合に、細胞の自動ハイスループットスクリーニングと血液凝固率の推定が可能になる。 その結果,KFeOx-NPsは赤血球の形態を変えることなく血液凝固を阻害し,EDTAインキュベーションは6時間以内に顕著な変化をみせた。 このシステムは、これらの調製されたサンプルの時間とともに細胞クラスタリングや形態などのパラメータを評価し、身体外の抗凝固剤の比較効果と効果に関する洞察を提供することで、凝固動態の定量的分析を可能にする。

関連論文リスト

• ABCD: Automatic Blood Cell Detection via Attention-Guided Improved YOLOX [0.0]
  そこで我々は,物体検出装置YOLOXの改良版を基に,自動血液細胞検出法(ABCD)を提案する。 ABCDは95.49 % mAP@0.5と86.89 % mAP@0.5-0.9を達成した。
  論文  参考訳（メタデータ） (2025-07-25T14:12:05Z)
• Exploring Few-Shot Object Detection on Blood Smear Images: A Case Study of Leukocytes and Schistocytes [37.440449828136586]
  調査は、DE-ViTと呼ばれる新しいアプローチに焦点を当てている。 この手法はFew-Shotパラダイムで採用されており、トレーニングは限られた数の画像に依存している。 DE-ViTはCOCOデータセットとLVISデータセットで最先端のパフォーマンスを示しているが、どちらもRaabin-WBCデータセットでのパフォーマンスを上回っている。
  論文  参考訳（メタデータ） (2025-03-21T12:46:49Z)
• Multimodal Analysis of White Blood Cell Differentiation in Acute Myeloid Leukemia Patients using a β-Variational Autoencoder [38.13262557169157]
  形態学的および転写学的データを探索・再構成する教師なし手法を提案する。 本手法は,カスタマイズされた損失関数を持つβ変分オートエンコーダ(ss-VAE)に基づく。 バイオメディシンと診断のための白血球成熟の理解を改善するためのユニークなツールを提供する。
  論文  参考訳（メタデータ） (2024-08-13T08:24:52Z)
• Analysis of Modern Computer Vision Models for Blood Cell Classification [49.1574468325115]
  この研究では、MaxVit、EfficientVit、EfficientNet、EfficientNetV2、MobileNetV3といった最先端アーキテクチャを使用して、迅速かつ正確な結果を得る。 本手法は,従来の手法の速度と精度の懸念に対処するだけでなく,血液学的解析における革新的な深層学習モデルの適用性についても検討する。
  論文  参考訳（メタデータ） (2024-06-30T16:49:29Z)
• Histopathology Based AI Model Predicts Anti-Angiogenic Therapy Response in Renal Cancer Clinical Trial [0.6087644423424302]
  本稿では,ユビキタスな病理組織スライドからAngioscoreを予測するための新しい深層学習(DL)手法を提案する。 本モデルでは, モデル予測の基盤となる視覚血管ネットワークを生成する。 我々のアプローチは血管新生生物学とAA治療反応に関する知見を提供する。
  論文  参考訳（メタデータ） (2024-05-28T16:21:20Z)
• A Novel Deep Learning based Model for Erythrocytes Classification and Quantification in Sickle Cell Disease [16.351002089332994]
  我々は、赤血球の歪んだ、正常な形態を分類し、定量化するために、カスタマイズされた深層畳み込みニューラルネットワーク(CNN)モデルを提案した。 本研究は, 脂肪細胞, 卵胞, 毛細血管を含む3種類の赤血球形態について検討した。 我々は18階層の深層CNNアーキテクチャを用いて、これらの形状を81%の精度で識別し、定量化し、他のモデルより優れています。
  論文  参考訳（メタデータ） (2023-05-02T10:28:07Z)
• 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)
• Personalized pathology test for Cardio-vascular disease: Approximate Bayesian computation with discriminative summary statistics learning [48.7576911714538]
  近似計算を用いて生物学的に有意なパラメータを推定するための血小板沈着モデルと推論手法を提案する。 この研究は、CVDの検出と治療のためのパーソナライズされた病理検査の先例のない機会を開く。
  論文  参考訳（メタデータ） (2020-10-13T15:20:21Z)

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。