アノテーションフリー深層学習による血液膜および骨髄吸引液中の急性前骨髄球性白血病の自動検出【JST・京大機械翻訳】

Manescu Petru; Narayanan Priya; Bendkowski Christopher; Elmi Muna; Claveau Remy; Pawar Vijay; Brown Biobele J.; Shaw Mike; Rao Anupama; Fernandez-Reyes Delmiro

プレプリント

J-GLOBAL ID：202202208925229754 整理番号：22P0307276

アノテーションフリー深層学習による血液膜および骨髄吸引液中の急性前骨髄球性白血病の自動検出【JST・京大機械翻訳】

Automated Detection of Acute Promyelocytic Leukemia in Blood Films and Bone Marrow Aspirates with Annotation-free Deep Learning

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (10件)： , , , , , , , , ,
資料名：
発行年： 2022年03月20日プレプリントサーバーでの情報更新日： 2022年03月20日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

血液専門医による血液フィルムと骨髄吸引物の光学顕微鏡検査は,急性白血病の診断を確立する重要な段階であるが,特に他の診断様式が利用できない低資源設定では,作業は時間がかかり,ヒト不一致に傾向がある。これは緊急治療を必要とする急性前骨髄球性白血病(APL)の症例に特に影響を与える。臨床ワークフローへの自動計算血液病理学の統合は,これらのサービスのスループットを改善し,認知的ヒューマンエラーを減らすことができる。しかし,そのようなシステムを展開する際の主要なボトルネックは,深い学習モデルを訓練するための十分なセル形態オブジェクトラベルアノテーションの欠如である。著者らは,異なる型の急性白血病を検出する弱い監督されたモデルを訓練するために,患者診断ラベルをレバレッジすることによって克服する。最小監督で血液膜の自動信頼性解析を行うことができる,白血球同定のための多重物質学習(MILLIE)の深層学習アプローチを紹介した。個々の細胞を分類するために訓練されないと,MILLIEは血液膜で急性リンパ芽球と骨髄芽球性白血病を区別する。より重要なことに,MILLIEは,血液膜(AUC 0.94+/-0.04)と骨髄吸引物(AUC 0.99+/-0.01)でAPLを検出する。MILLIEは,血液膜顕微鏡の評価を必要とする臨床経路のスループットを増加させる実行可能な解決策である。【JST・京大機械翻訳】

, , , , , , , , , , , , ,
, , 【Automatic Indexing@JST】

血液の腫よう

, , , , , , ,

前のページに戻る