論文の概要: PRISM: Perinuclear Ring-based Image Segmentation Method for Acute Lymphoblastic Leukemia Classification

• arxiv url: http://arxiv.org/abs/2605.12851v1
• Date: Wed, 13 May 2026 00:54:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-14 23:30:27.741051
• Title: PRISM: Perinuclear Ring-based Image Segmentation Method for Acute Lymphoblastic Leukemia Classification
• Title（参考訳）: PRISM:急性リンパ性白血病分類のための核内リング画像分割法
• Authors: Larissa Ferreira Rodrigues Moreira, Leonardo Gabriel Ferreira Rodrigues, Rodrigo Moreira, André Ricardo Backes,
• Abstract要約: 核周囲に構築された適応型同心領域に,細胞質の脱線を置き換えたPRISM(Perinuclear Ring-based Image Method)を提案する。 従来の分類器の積み重ねアンサンブルはこれらの記述子を利用して98.46%の精度で高い性能を実現し、精度は0.9937である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Automated analysis of peripheral blood smears for Acute Lymphoblastic Leukemia (ALL) is hindered by low contrast and substantial variability in cytoplasmic appearance, which complicate conventional membrane-based segmentation. We found that many recent approaches rely on heavy neural architectures and extensive training, but still struggle to generalize across staining and acquisition variability. To address these limitations, we propose the Perinuclear Ring-based Image Segmentation Method (PRISM), which replaces explicit cytoplasmic delineation with adaptive concentric zones constructed around the nucleus. These perinuclear regions enable the extraction of robust cytoplasmic descriptors by integrating color information with texture statistics derived from grey-level co-occurrence patterns, without requiring accurate cell-boundary detection. A calibrated stacking ensemble of traditional classifiers leverages these descriptors to achieve a high performance, with an accuracy of 98.46% and a precision-recall AUC of 0.9937.
• Abstract（参考訳）: 急性リンパ芽球性白血病(ALL)に対する末梢血スミアの自動解析は、従来の膜分離を複雑にする細胞質外見の低コントラストと実質的な変動によって妨げられる。 最近の多くのアプローチは、重いニューラルネットワークアーキテクチャと広範なトレーニングに依存していますが、ステンドリングと取得の多様性をまたいだ一般化に苦慮しています。 これらの制約に対処するため、核周囲に構築された適応型同心領域に細胞質の脱線を置き換えた周核環画像分割法(PRISM)を提案する。 これらの中核領域は、色情報とグレーレベルの共起パターンに由来するテクスチャ統計とを統合することで、正確な細胞境界検出を必要とせず、ロバストな細胞質記述子の抽出を可能にする。 従来の分類器の校正された積み重ねアンサンブルは、これらの記述子を利用して98.46%の精度で高い性能を実現し、精度は0.9937である。

関連論文リスト

• CoTCoNet: An Optimized Coupled Transformer-Convolutional Network with an Adaptive Graph Reconstruction for Leukemia Detection [0.3573481101204926]
  白血病の分類のためのCoTCoNet(Coupled Transformer Convolutional Network)フレームワークを提案する。 我々のフレームワークは、包括的グローバル特徴とスケーラブルな空間パターンを捉え、複雑で大規模な血液学的特徴の同定を可能にする。 それぞれ0.9894と0.9893のF1スコアレートを達成している。
  論文  参考訳（メタデータ） (2024-10-11T13:31:28Z)
• Neural Cellular Automata for Lightweight, Robust and Explainable Classification of White Blood Cell Images [40.347953893940044]
  ニューラルセルオートマトン(NCA)を用いた白血球分類の新しいアプローチを提案する。 NCAに基づく手法はパラメータの面で著しく小さく,ドメインシフトに対する堅牢性を示す。 その結果,NAAは画像分類に利用でき,従来の手法の課題に対処できることがわかった。
  論文  参考訳（メタデータ） (2024-04-08T14:59:53Z)
• 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)
• Corneal endothelium assessment in specular microscopy images with Fuchs' dystrophy via deep regression of signed distance maps [48.498376125522114]
  本稿では,UNetをベースとしたセグメンテーション手法を提案する。 これは、フックスのジストロフィーの全度にわたって、信頼できるCE形態計測と腸骨同定を実現する。
  論文  参考訳（メタデータ） (2022-10-13T15:34:20Z)
• 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 classification [3.386401892906348]
  非均一な色と不均一な照明で血液スミア画像を扱う適応しきい値セグメンテーション法を提案する。 分類・回帰木(CART)に基づく特徴選択アルゴリズムを設計する。 提案手法は99.76%の分類精度を達成し,その有効性をよく示す。
  論文  参考訳（メタデータ） (2020-08-17T09:48:12Z)
• Cell Mechanics Based Computational Classification of Red Blood Cells Via Machine Intelligence Applied to Morpho-Rheological Markers [0.0]
  非教師なし機械学習手法は、リアルタイム変形性と蛍光(RT-FDC)により得られる形態・レオロジーマーカーにのみ適用される 提案手法は, 成熟赤血球由来の赤血球の分類において, ラベルフリーで有望な結果が得られたことを報告した。
  論文  参考訳（メタデータ） (2020-03-02T15:11:46Z)

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。