文献

J-GLOBAL ID：202102242079599252   整理番号：21A0242007

幾何学の事前および構造的一貫性による白血球超解像【JST・京大機械翻訳】

Leukocyte super-resolution via geometry prior and structural consistency

著者 (5件)： Hua Xia (Nanjing University, School of Electronic Science and Engineering, Nanjing, China) ,  Cai Yue (Nanjing University, School of Electronic Science and Engineering, Nanjing, China) ,  Zhou You (Nanjing University, School of Electronic Science and Engineering, Nanjing, China) ,  Yan Feng (Nanjing University, School of Electronic Science and Engineering, Nanjing, China) ,  Cao Xun (Nanjing University, School of Electronic Science and Engineering, Nanjing, China)
資料名： Journal of Biomedical Optics  (Journal of Biomedical Optics)
巻： 25  号： 10  ページ： 106501  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： 要約。意義:研究者は,深い畳み込みニューラルネットワークを用いた単一画像超解像(ISR)において大きな進歩を遂げた。しかし,白血球イメージングの分野では,既存のSIR法の性能は,白血球の幾何学と構造一貫性を徹底的に探索できないので,まだ限られている。不正確な超解像(SR)結果は,構造と細胞系統が白血球のタイプを決定し,その後の検査に有意に影響するので,白血球の病理学的研究を妨げるであろう。目的:白血球画像の幾何学的整合性と構造整合性を完全に利用する深層ネットワークを提案する。構造と幾何学情報を学習するために,白血球データセットを確立,注釈し,白血球(好塩基性,好酸球,単球,リンパ球,好中球)の5つの主なタイプを含む。アプローチ:著者らのモデルは2つのモジュールから成る:事前ネットワークとSRネットワーク。事前ネットワークは,低解像度(LR)画像の構文マップを推定し,次に,SRネットワークは,最終高解像度画像を予測する入力として,推定構文マップとLR画像の両方を取る。【結果】:実験は,使用における幾何学事前と構造的一貫性が明らかに白血球画像のSR性能を改善し,ピーク信号対ノイズ比(PSNR)を著者らのベンチマークで約0.4dB増強することを示した。結論:著者らの白血球SRベンチマークによって証明されたように,提案方法は,最先端のSR方法を著しく凌駕する。この方法はPSNRと構造類似性指数を改善するだけでなく,白血球の構造詳細も正確に保存する。提案方法は,低電力目的を単純に用いることによって,広いフィールドセルプレスクリーニングにおいて潜在的用途を有すると考えられる。Copyright The Authors Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： SN比 ,  *幾何学 ,  ネットワーク ,  *白血球 ,  リンパ球 ,  顕微鏡観察 ,  画像処理 ,  *超解像 ,  好塩基性 ,  深層 ,  ベンチマーク ,  好中球 ,  単球 ,  好酸球
準シソーラス用語： 畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： イメージング ,  顕微鏡法 ,  深層学習 ,  超解像

分類 (2件)： 血液検査  (GC02050D) ,  白血球,リンパ球  (EJ03030H)

タイトルに関連する用語 (4件)： 幾何学 ,  一貫性 ,  白血球 ,  超解像