文献

J-GLOBAL ID：202202260749592727   整理番号：22A0650921

多数投票技術に基づく血液塗抹顕微鏡画像における正常B-リンパ様前駆体からのBリンパ芽球細胞の分類における自動検出モデル【JST・京大機械翻訳】

Automated Detection Model in Classification of B-Lymphoblast Cells from Normal B-Lymphoid Precursors in Blood Smear Microscopic Images Based on the Majority Voting Technique

著者 (6件)： Ghaderzadeh Mustafa (Department of Health Information Technology and Management, School of Allied Medical Sciences, Shahid Beheshti University of Medical Sciences, Tehran, Iran) ,  Hosseini Azamossadat (Department of Health Information Technology and Management, School of Allied Medical Sciences, Shahid Beheshti University of Medical Sciences, Tehran, Iran) ,  Asadi Farkhondeh (Department of Health Information Technology and Management, School of Allied Medical Sciences, Shahid Beheshti University of Medical Sciences, Tehran, Iran) ,  Abolghasemi Hassan (Pediatric Congenital Hematologic Disorders Research Center, Shahid Beheshti University of Medical Sciences, Tehran, Iran) ,  Bashash Davood (Department of Hematology and Blood Banking, School of Allied Medical Sciences, Shahid Beheshti University of Medical Sciences, Tehran, Iran) ,  Roshanpoor Arash (Department of Computer Science, Sama Technical and Vocational Training College, Tehran Branch (Tehran), Islamic Azad University (IAU), Tehran, Iran)
資料名： Scientific Programming  (Scientific Programming)
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： W0689A  ISSN： 1058-9244  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 導入。急性リンパ芽球性白血病(ALL)は,ヒト骨髄に影響する致命的な白血球疾患である白血病の最も一般的なタイプである。その初期段階におけるALL検出は,常に複雑性と困難に withげられた。ALL診断のアウトセットに適用される一般的な方法である末梢血スミア(PBS)検査は,専門家の経験に大きく依存する時間がかかり,退屈なプロセスである。材料と方法:ここでは,B-ALLリンパ芽球と正常細胞のすべての画像と分類に関する特徴抽出のための8つのよく知られた畳み込みニューラルネットワーク(CNN)モデルを実行することによって,深層学習(DL)に基づく高速,効率的,および包括的モデルを提案した。それらの性能を評価した後に,4つの最良性能CNNモデルを,各分類器の事前訓練モデル能力を結合することによって,アンサンブル分類器を構成するために選択した。【結果】癌と正常細胞の核の密接な類似性のために,CNNモデル単独では,これらの2つのクラスを診断する際に,低い感受性と劣った性能があった。多数投票技術に基づく提案モデルを採用して,CNNモデルを結合した。得られたモデルは,99.4の感度,96.7の特異性,98.3のAUC,および98.5の精度を達成した。【結語】正常細胞から癌性血液細胞を分類する際に,提案方法は,細胞特徴決定においてオペレータの介入なしで高精度を達成できる。したがって,実験室専門家を支援するためのディジタル実験室装置における血液試料の分析に対する異常なツールとして推奨できる。Copyright 2022 Mustafa Ghaderzadeh et al. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： オペレータ ,  特徴抽出 ,  血球 ,  骨髄 ,  白血病 ,  ヒト ,  *リンパ ,  *前駆体 ,  投票 ,  白血球障害 ,  末梢血
準シソーラス用語： 急性リンパ性白血病 ,  *リンパ芽球 ,  *顕微鏡画像 ,  深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 血液の腫よう  (GK04000M)

引用文献 (38件)：

• American Cancer Society, "Childhood leukemia statistics," 2018, http://www.lls.org/http%3A/llsorg.prod.acquia-sit.
• S. Chiaretti, G. Zini, R. Bassan, "Diagnosis and subclassification of acute lymphoblastic leukemia," Mediterranean journal of hematology and infectious diseases, vol. 6, no. 1, 2014.
• K. E. Rodrigues, B. d. Camargo, "Diagnóstico precoce do câncer infantil: responsabilidade de todos," Revista da Associação Médica Brasileira, vol. 49, no. 1, pp. 29-34, 2003.
• M. Ghaderzadeh, M. Aria, F. Asadi, "X-ray equipped with artificial intelligence: changing the COVID-19 diagnostic paradigm during the pandemic," BioMed Research International, vol. 2021, pp. 16, 2021.
• M. Ghaderzadeh, F. Asadi, A. Hosseini, D. Bashash, H. Abolghasemi, A. Roshanpour, "Machine learning in detection and classification of leukemia using smear blood images: a systematic review," Scientific Programming, vol. 2021, pp. 14, 2021.

タイトルに関連する用語 (9件)： 投票 ,  血液 ,  顕微鏡画像 ,  リンパ ,  前駆体 ,  リンパ芽球細胞 ,  分類 ,  自動検出 ,  モデル