Search research articles

お問い合わせ

関連する概念動画

Classification of Leukocytes

Classification of Leukocytes

Leukocytes are classified into two groups based on the presence or absence of cytoplasmic granules. Granular leukocytes, which contain granules, belong to the myeloid lineage and are divided into three subtypes: neutrophils, eosinophils, and basophils. These cells are roughly spherical and characterized by the granules in their cytoplasm.
Neutrophils are the most abundant type of granular leukocytes, comprising 50-70% of all leukocytes. They feature small, evenly distributed granules and a...

JoVEについて

概要リーダーシップブログ JoVEヘルプセンター

著者向け

出版プロセス編集委員会範囲と方針査読よくある質問投稿

図書館員向け

推薦の声購読アクセスリソース図書館諮問委員会よくある質問

研究

JoVE Journal Methods Collections JoVE Encyclopedia of Experiments アーカイブ

教育

JoVE Core JoVE Business JoVE Science Education JoVE Lab Manual 教員リソースセンター教員サイト

プライバシーポリシー

Search research articles

ホーム
大量の白血病データセットで白血病診断のための希少な注釈の活用

ホーム
大量の白血病データセットで白血病診断のための希少な注釈の活用

関連する実験動画

Comprehensive DNA Methylation Analysis Using a Methyl-CpG-binding Domain Capture-based Method in Chronic Lymphocytic Leukemia Patients

Comprehensive DNA Methylation Analysis Using a Methyl-CpG-binding Domain Capture-based Method in Chronic Lymphocytic Leukemia Patients

Published on: June 16, 2017

大量の白血病データセットで白血病診断のための希少な注釈の活用

Abdul Rehman¹, Talha Meraj¹, Aiman Mahmood Minhas²

¹Intelligent Machine Lab, Information Technology University of Punjab, Lahore, Pakistan.

Medical image analysis

|September 2, 2025

PubMed で要約を見る

まとめ

この要約は機械生成です。

この研究では,白血球 (WBC) の分析を改善するための大型白血病データセット (LLD) が導入され,正確な白血病細胞検出と属性予測のための新しいディープラーニング方法が提示され,診断能力が向上します.

キーワード:

アトリビュート血液がん説明可能な診断白血病マルチタスク学習スパースアノテーション

さらに関連する動画

Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model

Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model

Published on: August 16, 2020

Selecting Multiple Biomarker Subsets with Similarly Effective Binary Classification Performances

Selecting Multiple Biomarker Subsets with Similarly Effective Binary Classification Performances

Published on: October 11, 2018

関連する実験動画

Comprehensive DNA Methylation Analysis Using a Methyl-CpG-binding Domain Capture-based Method in Chronic Lymphocytic Leukemia Patients

Comprehensive DNA Methylation Analysis Using a Methyl-CpG-binding Domain Capture-based Method in Chronic Lymphocytic Leukemia Patients

Published on: June 16, 2017

Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model

Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model

Published on: August 16, 2020

Selecting Multiple Biomarker Subsets with Similarly Effective Binary Classification Performances

Selecting Multiple Biomarker Subsets with Similarly Effective Binary Classification Performances

Published on: October 11, 2018

科学分野:

医療用イメージング
コンピュータ生物学
血液学

背景:

白血病は世界的な健康問題であり,診断のために正確な白血球 (WBC) 分析が必要です.
現在使用されている白血病分析のディープラーニングモデルは小規模で多様性のないデータセットによって制限されていて現実の世界での応用が困難です
既存のデータセットには,堅固なWBCの局所化,分類,形態学的評価に必要なスケールとドメインの多様性が欠けている.

研究の目的:

白血病の分析のための大規模な多様なデータセットを導入することによって,既存のデータセットの限界に対処する.
正確なWBC検出と形態学的属性の予測のための新しいディープラーニング方法を開発する.
医療専門家のアノテーションの負担を減らせる

主な方法:

大規模なデータセットである"大白血病データセット" (LLD) は,様々な顕微鏡と画像装置を使用して,48人の患者の周辺血液フィルム (PBF) から作成されました.
それぞれの白血病細胞は,診断説明性を高めるために100倍拡大で7つの形態学的属性で注釈されました.
マルチタスクのディープラーニングモデルは,効率的な学習のための稀なアノテーション方法と並行して,同時にWBC検出と属性予測を提案されました.

主要な成果:

開発された大型白血病データセット (LLD) は,白血病の研究開発のための包括的なリソースを提供します.

マルチタスクモデルは,効果的な白血球検出と属性予測を行い,解釈可能で臨床的に重要な洞察を提供しました.

散らばった注釈法により,全視野を利用することで学習効率と診断精度が向上しました.

結論:

大型白血病データセット (Large Leukemia Dataset,LLD) と提案されている方法は,自動化された白血病分析において重要な進歩をもたらします.
開発された技術は,診断の説明性を高め,顕微鏡画像解析におけるドメインシフトの課題に対処します.
公開されているデータセット,コード,デモは,コンピュータによる血液学のさらなる研究開発を容易にする.