文献

J-GLOBAL ID：202202236814662732   整理番号：22A0455264

分数Black-Widowモデルに基づく最適ニューラルネットワークを用いた急性骨髄性白血病検出【JST・京大機械翻訳】

Acute myelogenous leukemia detection using optimal neural network based on fractional black-widow model

著者 (2件)： Ramya V. Jeya (Sathyabama Institute of Science and Technology, Chennai, India) ,  Lakshmi S. (Sathyabama Institute of Science and Technology, Chennai, India)
資料名： Signal, Image and Video Processing  (Signal, Image and Video Processing)
巻： 16  号： 1  ページ： 229-238  発行年： 2022年 
JST資料番号： W4946A  ISSN： 1863-1711  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 白血球または白血球の血液学的構造の同定は,医学診療においてしばしば非常に複雑である。急性骨髄性白血病(AML)の新しい症例数と関連したより高い死亡率は,診断の不適切な治療と遅延のため,日々増加している。最近,血液学的専門家は血液学的障害を診断するために末梢血スミアの顕微鏡分析を用いた。それにもかかわらず,これらの種類の検出プロセスは,不正確な結果で,より時間がかかり,複雑で,コストがかかる。そこで,AML検出のための分数ブラックウィドワベースニューラルネットワーク(FBW-NN)を提案した。適応ファジィエントロピー(AFE)モデルを導入してAML領域をセグメント化した。AFEは,アクティブ輪郭ベースモデルとファジィC平均クラスタリング法の両方の融合である。統計的および画像レベルの特徴をセグメンテーションプロセス後に抽出した。続いて,分数Black Widew最適化を定式化し,人工ニューラルネットワーク(ANN)の性能を強化した。分数Black Widewベースニューラルネットワークを提案し,AMLを検出した。提案した作業は,異なる性能計量を持つMATLABプラットフォームに実装される。実験的に,提案方法は,事前訓練されたDCNN,Naive Bayes,CNN,およびCSC-ACNNのような他の最先端の方法より良い検出率を達成する。これらの方法と比較して,提案したFBW-NNは,96.56%の精度,97.81%の特異性,96.90%の感度,97.20%の精度,および97.90%の再現結果をもたらした。Copyright The Author(s), under exclusive licence to Springer-Verlag London Ltd., part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  セグメンテーション ,  白血球 ,  *ニューラルネットワーク ,  死亡率 ,  定式化 ,  曖昧さ ,  末梢血 ,  *急性骨髄性白血病
準シソーラス用語： スミア ,  動的輪郭 ,  MATLAB ,  特異性 ,  検出率 ,  ファジィエントロピー , 【Automatic Indexing@JST】

著者キーワード (5件)： 急性骨髄性白血病 ,  血液細胞 ,  分数ブラックウィンドウ最適化 ,  適応ファジィエントロピーモデル ,  人工ニューラルネットワーク

分類 (2件)： 医用画像処理  (JE04020T) ,  血液検査  (GC02050D)

タイトルに関連する用語 (4件)： 分数 ,  モデル ,  ニューラルネットワーク ,  急性骨髄性白血病