文献

J-GLOBAL ID：202202247645175050   整理番号：22A0913952

安全な輸血のための赤血球貯蔵病変の深層学習に基づく表現型評価【JST・京大機械翻訳】

Deep Learning-Based Phenotypic Assessment of Red Cell Storage Lesions for Safe Transfusions

著者 (5件)： Kim Eunji (Department of Robotics Engineering, Daegu Gyeongbuk Institute of Science and Technology, Dalseong-gun, Daegu, South Korea) ,  Park Seonghwan (Department of Robotics Engineering, Daegu Gyeongbuk Institute of Science and Technology, Dalseong-gun, Daegu, South Korea) ,  Hwang Seunghyeon (Department of Robotics Engineering, Daegu Gyeongbuk Institute of Science and Technology, Dalseong-gun, Daegu, South Korea) ,  Moon Inkyu (Department of Robotics Engineering, Daegu Gyeongbuk Institute of Science and Technology, Dalseong-gun, Daegu, South Korea) ,  Javidi Bahram (Department of Electrical and Computer Engineering, University of Connecticut, Storrs, CT, USA)
資料名： IEEE Journal of Biomedical and Health Informatics  (IEEE Journal of Biomedical and Health Informatics)
巻： 26  号： 3  ページ： 1318-1328  発行年： 2022年 
JST資料番号： W1135A  ISSN： 2168-2194  CODEN： IJBHA9  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： 本研究は,デジタルホログラフィー顕微鏡により得られた位相画像における赤血球(RBC)貯蔵病変の即時表現型評価を自動的に行うための新しいアプローチを提示する。提案モデルは,マーカー制御流域セグメンテーション方式と生成敵対ネットワーク(GAN)を結合した。GANモデルはRBCセグメンテーションと分類を行い,老化マーカーを開発し,流域セグメンテーションを用いて重複RBCを完全に分離した。本アプローチは,1秒あたり約152セルの高いスループット率で,0.94のDice係数で良好なセグメンテーションと分類精度を達成した。これらの結果を他の深いニューラルネットワークアーキテクチャと比較した。さらに,著者らの画像ベースの深層学習モデルは,貯蔵中のRBCsで生じる形態学的変化を認識した。著者らの深層学習に基づく分類結果は,貯蔵期間により影響を受けるRBCマーカー(優性形状)の変化に関する以前の知見と良く一致した。著者らの画像ベースの深層学習モデルはRBCの質の自動評価,安全な輸血のための貯蔵病変,およびRBC関連疾患の診断に有用であると考える。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： セグメンテーション ,  ネットワーク ,  *赤血球 ,  細胞 ,  シェルフライフ ,  *表現型 ,  スループット ,  ディジタル方式 ,  優性 ,  モルフォロジー
準シソーラス用語： 分類精度 ,  位相画像 ,  流域分割 ,  *深層学習 ,  自動評価 , 【Automatic Indexing@JST】

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (7件)： 輸血 ,  赤血球 ,  貯蔵 ,  病変 ,  深層学習 ,  表現型 ,  評価