文献
J-GLOBAL ID:202002288017970197   整理番号:20A2774571

マスク領域ベース畳込みニューラルネットワークを用いたサラセミア赤血球の定量的位相画像の自動検出と特性化【JST・京大機械翻訳】

Automatic detection and characterization of quantitative phase images of thalassemic red blood cells using a mask region-based convolutional neural network
著者 (5件):
資料名:
巻: 25  号: 11  ページ: 116502  発行年: 2020年 
JST資料番号: W1782A  ISSN: 1083-3668  CODEN: JBOPFO  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:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
要約。意義:無標識定量相イメージングは,リアルタイムで異常赤血球(RBC)の自動検出のための有望な技術である。深層学習技術は定量的位相画像から異常RBCを正確に検出できるが,診断試験におけるそれらの応用は透明性の欠如により制限される。個々のRBCの形態学的および生化学的特性のようなより解釈可能な結果は,非常に望ましい。目的:エンドツーエンド深層学習モデルを開発し,定量的相画像における健康なRBCs(hRBCs)と単一細胞特性化のためのセグメントRBCs(hRBCs)から,サラセミックRBCs(tRBCs)を効率的に識別した。方法:hRBCsとtRBCsの二次元定量的位相画像をデジタルホログラフィー顕微鏡を用いて取得した。マスク領域ベースの畳み込みニューラルネットワーク(Mask R-CNN)モデルを訓練し,tRBCsを判別し,個々のRBCsを区分した。tRBCsの特性化は,自動的にセグメント化したRBC位相画像に関して,SHapley添加剤ExPlanation解析と正準相関分析を利用して達成した。結果:実装したモデルは,tRBCsの検出において97.8%の精度を達成した。位相シフト統計は,tRBCsの正しい分類に最も高い影響を示した。位相シフト特性と三次元形態学的特徴の間の関係を明らかにした。結論:実装Mask R-CNNモデルは,臨床意思決定を助ける可能性を有する単一RBC特性化を提供するために,tRBCsとセグメント化RBCsを正確に同定した。Copyright The Authors Translated from English into Japanese by JST.【JST・京大機械翻訳】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (2件):
分類
JSTが定めた文献の分類名称とコードです
血液検査  ,  赤血球 

前のページに戻る