文献

J-GLOBAL ID：202202231197030204   整理番号：22A0729219

LeuFeatx:末梢血塗抹標本の顕微鏡画像からの急性白血病診断のための深層学習ベース特徴抽出器【JST・京大機械翻訳】

LeuFeatx: Deep learning-based feature extractor for the diagnosis of acute leukemia from microscopic images of peripheral blood smear

著者 (3件)： Rastogi Priyanka (Department of Computer Science Engineering, The NorthCap University, Gurugram, India) ,  Khanna Kavita (Department of Computer Science Engineering, The NorthCap University, Gurugram, India) ,  Singh Vijendra (School of Computer Science, University of Petroleum and Energy Studies, Dehradun, India)
資料名： Computers in Biology and Medicine  (Computers in Biology and Medicine)
巻： 142  ページ： Null  発行年： 2022年 
JST資料番号： E0858A  ISSN： 0010-4825  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 白血球の異常増殖は白血病のような血液学的悪性腫瘍を引き起こす。疾患の診断のための臨床評価法は労働集約的で時間がかかる。画像ベースの自動診断システムは,白血病検出のための意思決定プロセスにおいて非常に役立つ。特徴依存,固有,信頼できる分類器は,そのような診断システムの構築において重要な成分である。しかし,重要かつ関連する特徴の同定は,分類ワークフローにおける挑戦的なタスクである。提案した研究は,白血球の正確な分類において重要な役割を果たす「LeuFeatx」と呼ばれるVGG16適応微細調整特徴抽出モデルの構築による白血病診断のための白血球のロバスト分類のための新しい2段階方法論を提示する。LeuFeatxは顕微鏡的単一細胞白血球画像を用いて顕著な白血球特徴を抽出することができることを見出した。フィルタと学習特徴を可視化し,ベースVGG16モデル特徴と比較した。3つの公開ベンチマーク白血球データセットを用いた独立分類実験を行い,提案したLeuFeatxモデルによる抽出特徴の有効性を評価した。LeuFeatx深層特徴を用いて訓練されたマルチクラス分類器は,AML形態学的データセットに関する最新の研究と比較して,7つの白血球サブタイプに対してより高い精度と感度を達成し,それは,バルセロナの病院クリニックからの末梢血細胞データセットに関する最近の研究で,すべての細胞型に対してより高い感度を達成した。ALL_IDB2データセットを用いた二値分類実験において,LeuFeatx深層特徴を用いて訓練された分類器は,96.15%の精度を達成し,これは文献で報告された他の最先端の方法よりも良好であった。このように,観察された比較メトリックスを通して分類器の高性能は,提案モデルの抽出された特徴と全体的ロバスト性の関連性を確立する。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  実験 ,  白血球 ,  *特徴抽出 ,  *白血病 ,  可視化 ,  *画像 ,  ベンチマーク ,  ロバスト性 ,  *末梢血 ,  *急性白血病 ,  モルフォロジー
準シソーラス用語： 悪性腫瘍 ,  単一細胞 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (7件)： 血液悪性腫瘍 ,  末梢血塗抹標本 ,  急性白血病 ,  画像分類 ,  特徴抽出 ,  深層学習 ,  深い特徴

分類 (2件)： 医用画像処理  (JE04020T) ,  血液の腫よう  (GK04000M)

タイトルに関連する用語 (7件)： 末梢血 ,  塗抹標本 ,  顕微鏡画像 ,  急性白血病 ,  診断 ,  深層学習 ,  特徴抽出