文献

J-GLOBAL ID：201802285652956302   整理番号：18A1718451

非染色マラリア感染赤血球の機械学習に基づくインラインホログラフィックセンシング【JST・京大機械翻訳】

Machine learning-based in-line holographic sensing of unstained malaria-infected red blood cells

著者 (4件)： Go Taesik (Department of Mechanical Engineering, Pohang University of Science and Technology, Pohang, Republic of Korea) ,  Kim Jun H. (Department of Mechanical Engineering, Pohang University of Science and Technology, Pohang, Republic of Korea) ,  Byeon Hyeokjun (Department of Mechanical Engineering, Pohang University of Science and Technology, Pohang, Republic of Korea) ,  Lee Sang J. (Department of Mechanical Engineering, Pohang University of Science and Technology, Pohang, Republic of Korea)
資料名： Journal of Biophotonics  (Journal of Biophotonics)
巻： 11  号： 9  ページ： e201800101  発行年： 2018年 
JST資料番号： W2630A  ISSN： 1864-063X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： マラリアの正確で即時の診断は,感染症の治療に重要である。マラリアを診断するための従来の方法は時間がかかり,専門家のスキルに依存している。したがって,自動的で単純な診断モダリティは,訓練された顕微鏡医の専門知識を欠いている発展途上国における医療のために不可欠である。本研究では,機械学習アルゴリズムと組み合わせたディジタルインラインホログラフィー顕微鏡(DIHM)を用いた新しい自動センシング法を提案し,非染色マラリア感染赤血球(iRBCs)を高感度に検出した。RBC特性を同定するために,個々のRBCのセグメント化ホログラムから13の記述子を抽出した。13の記述子の間で,10の特徴は,健康なRBC(hRBCs)とiRBCの間で非常に統計的に異なった。6つの機械学習アルゴリズムを適用して,主な特徴を効果的に結合し,現在の方法の診断能力を大いに改善した。6つのテストされたアルゴリズムによって訓練された分類モデルの間で,サポートベクトルマシン(SVM)によって訓練されたモデルは,訓練(n=280,96.78%)と試験セット(n=120,97.50%)のためにhRBCsとiRBCを分離する際に最高の精度を示した。このDIHMに基づく人工知能法は単純で,血液染色を必要としない。したがって,それはマラリアの診断において有益で価値がある。Copyright 2018 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *赤血球 ,  *染色 ,  学習アルゴリズム ,  人工知能 ,  *感染 ,  *ホログラフィー ,  サポートベクトルマシン ,  ホログラム ,  顕微鏡 ,  セグメンテーション ,  *機械学習 ,  高感度 ,  *マラリア
準シソーラス用語： モダリティ , 【Automatic Indexing@JST】

著者キーワード (4件)： 診断 ,  ディジタルホログラフィック顕微鏡法 ,  機械学習アルゴリズム ,  マラリア

分類 (2件)： 感染症・寄生虫症の診断  (GD01020S) ,  血液検査  (GC02050D)

タイトルに関連する用語 (5件)： 染色 ,  マラリア ,  感染 ,  赤血球 ,  機械学習