文献

J-GLOBAL ID：202102259991145177   整理番号：21A0804082

高周波単一ビーム音響ピンセットと畳込みニューラルネットワークの統合を用いた乳癌細胞の分類【JST・京大機械翻訳】

Classification of Breast Cancer Cells Using the Integration of High-Frequency Single-Beam Acoustic Tweezers and Convolutional Neural Networks

著者 (5件)： Lim Hae Gyun (Future IT Innovation Laboratory, Pohang University of Science and Technology, Pohang 37673, Korea) ,  Lee O-Joun (Future IT Innovation Laboratory, Pohang University of Science and Technology, Pohang 37673, Korea) ,  Shung K. Kirk (Department of Biomedical Engineering, University of Southern California, Los Angeles, CA 90089, USA) ,  Kim Jin-Taek (Department of Creative IT Engineering, Pohang University of Science and Technology, Pohang 37673, Korea) ,  Kim Hyung Ham (Department of Creative IT Engineering, Pohang University of Science and Technology, Pohang 37673, Korea)
資料名： Cancers (Web)  (Cancers (Web))
巻： 12  号： 5  ページ： 1212  発行年： 2020年 
JST資料番号： U7153A  ISSN： 2072-6694  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 単一ビーム音響ピンセット(SBAT)は,顕微鏡粒子またはセルを操作するための広く使用されているトラッピング技術である。最近,高頻度(>30MHz)SBATを用いた単一癌細胞の特性化が,その侵襲性と転移能を決定することが報告されている。細胞弾性と侵襲性の研究は,SBATs放射力下の細胞の変形能に基づき,一般的に,より物理的に変形した細胞は,より高いレベルの侵襲性を示し,従ってより高い転移能を示す。しかし,SBATがONまたはOFFに変わる細胞変形の実質的な違いを決定する以前のイメージング解析は,専門家からの追跡調査評価を必要とする主観的観察に依存する。本研究では,SBATと畳み込みニューラルネットワーク(CNN)に基づく自動で信頼性のある癌細胞分類法を提案し,客観的で正確な定量的測定結果を提供した。変形したヒト乳癌細胞の一連の画像を得るために,カスタム設計50MHz SBAT変換器を使用した。収集した画像に適用したデータ増強によるCNNベースの分類法は,癌細胞の転移能を決定し,検証した。その結果,選択した最適化者により,モデルの精度と再現率は0.95より大きく,統合方法の分類性能を検証した。SBATを用いたCNN誘導癌細胞変形分析は,現在の組織学的画像解析に対する有望な代替法であり,この事前訓練モデルは,より大きな細胞集団に対する評価時間を有意に減少させる。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  変換器 ,  信頼性 ,  弾性 ,  *腫瘍細胞 ,  *HF【周波数】 ,  画像処理 ,  画像分析 ,  キャラクタリゼーション ,  追跡調査
準シソーラス用語： *乳癌細胞 ,  トラッピング ,  放射力 ,  ヒト乳癌細胞 ,  *音響ピンセット , 【Automatic Indexing@JST】

著者キーワード (5件)： 癌細胞分類 ,  畳込みニューラルネットワーク ,  単一ビーム音響ピンセット ,  高周波超音波 ,  細胞変形

分類 (2件)： 抗腫よう薬の基礎研究  (GW16010A) ,  腫ようの化学・生化学・病理学  (GE02030N)

引用文献 (40件)：

• Zhang, N.; Wu, J.; Yang, M.; Yu, J.; Li, R. A Composite Model Integrating Imaging, Histological, and Genetic Features to Predict Tumor Mutation Burden in Non-Small Cell Lung Cancer Patients. Int. J. Radiat. Oncol. Biol. Phys. 2019, 105, E541.
• Rossi, G.; Berbellini, A.; Ancidei, S.; Montini, G.C.; Capoccetti, F.; Cidda, C.; Fattori, S.; Cardarelli, M.; Patrizi, I.; Brianzoni, E. Calculation of Lesion Volume in Non-Small Cell Lung Cancer (NSCLC) by PET/CT Imaging: Histological Comparation and Threshold Study. Preliminary Report. Eur. J. Nucl. Med. Mol. Imaging 2015, 32, S37.
• Paschali, A.; Papandrianos, N.; Koletsis, E.; Stamou, E.; Spyridonidis, T.; Savvopoulos, C.; Barla, P.; Dougenis, D.; Vassilakos, P.J.; Apostolopoulos, D.J. The Value Of 99mTc-Depreotide SPECT/CT Imaging For Lymph Node Staging In Non-Small-Cell Lung Cancer. A Study With Histological Confirmation. Eur. J. Nucl. Med. Mol. Imaging 2009, 36, S361-S362.
• Gallastegui, A.; Cheung, J.; Southard, T.; Hume, K.R. Volumetric and linear measurements of lung tumor burden from non-gated micro-CT imaging correlate with histological analysis in a genetically engineered mouse model of non-small cell lung cancer. Lab. Anim. 2018, 52, 457-469.
• Kurc, T.; Sharma, A.; Oh, T.; Farris, A.; Saltz, J.; Wang, F.; Cooper, L.; Kong, J.; Pan, T.; Chen, W.; et al. A data model and database for high-resolution pathology analytical image informatics. J. Pathol. Inform. 2011, 2, 32.

タイトルに関連する用語 (7件)： 高周波 ,  ビーム ,  音響ピンセット ,  畳込みニューラルネットワーク ,  統合 ,  乳癌細胞 ,  分類