Jove
Visualize
お問い合わせ
JoVE
x logofacebook logolinkedin logoyoutube logo
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 JournalMethods CollectionsJoVE Encyclopedia of Experimentsアーカイブ
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教員リソースセンター教員サイト
利用規約
プライバシーポリシー
ポリシー

関連する概念動画

Diffusion01:12

Diffusion

219.9K
Diffusion is the passive movement of substances down their concentration gradients—requiring no expenditure of cellular energy. Substances, such as molecules or ions, diffuse from an area of high concentration to an area of low concentration in the cytosol or across membranes. Eventually, the concentration will even out, with the substance moving randomly but causing no net change in concentration. Such a state is called dynamic equilibrium, which is essential for maintaining overall...
219.9K
Diffusion01:21

Diffusion

6.4K
Diffusion is a type of passive transport. In passive transport, a substance tends to move from an area of high concentration to an area of low concentration until the concentration is equal across the space. For example, take the diffusion of substances through the air. When someone opens a perfume bottle in a room filled with people, the perfume is at its highest concentration in the bottle and is at its lowest at the edges of the room. The perfume vapor will diffuse, or spread away, from the...
6.4K
Conservation of Protein Domains Over Different Proteins02:26

Conservation of Protein Domains Over Different Proteins

14.6K
Protein domains are small structurally independent units that are part of a single amino acid chain.  Although these domains are often structurally independent, they may rely on synergistic effects to perform their functions as part of a larger protein. Protein domains may be conserved within the same organism, as well as across different organisms.
A limited set of protein domains often duplicate and recombine during evolution. These domains can be organized in different combinations to...
14.6K
Classification of Skeletal Muscle Fibers01:48

Classification of Skeletal Muscle Fibers

59.5K
Skeletal muscles continuously produce ATP to provide the energy that enables muscle contractions. Skeletal muscle fibers can be categorized into three types based on differences in their contraction speed and how they produce ATP, as well as physical differences related to these factors. Most human muscles contain all three muscle fiber types, albeit in varying proportions.
Slow-Twitch Muscle Fibers
Slow oxidative, muscle fibers appear red due to large numbers of capillaries and high levels of...
59.5K
Membrane Domains01:18

Membrane Domains

7.2K
The membrane domains concentrate specific lipids and proteins at one place within the membrane, which helps in cell signaling, adhesion, and other critical cellular processes. These domains can differ in size, composition, function, and lifespan.
Protein Domains
The membrane comprises a group of distinct proteins responsible for carrying out a cell's specific function. For example, the plasma membrane of the human sperm, or a single germ cell, contains a unique set of proteins in the...
7.2K
Three Developmental Domains01:29

Three Developmental Domains

1.1K
Human development is typically examined across three main domains: physical, cognitive, and socio-emotional. These domains represent the significant areas of change and continuity throughout the lifespan, from infancy to late adulthood.
Physical Development
Physical processes, also known as maturation, encompass the biological changes that occur across an individual's life. These changes begin with genetic inheritance and continue through various stages, including growth in height and weight,...
1.1K

こちらも読む

関連記事

共著者、ジャーナル、引用グラフによってこの研究に関連する記事。

並び替え
Same author

Assessment of Diabetes Risk in Patients With Hepatitis B: A Machine Learning Approach Integrating 11 Inflammatory and Immune Indicators.

Diabetes/metabolism research and reviews·2026
Same author

Reconsideration of Trichodina pediculus Ehrenberg, 1838 (Peritrichia, Mobilida), the type species of the genus: New findings derived from a morpho-molecular approach.

European journal of protistology·2026
Same author

Microplastics and tire wear particles in aquatic environment: A comparative review on generation, characteristics and environmental behavior.

NanoImpact·2026
Same author

Calibrating microglia states in Alzheimer's disease: decoding immune-metabolic networks and nano-targeted multicomponent therapies.

Frontiers in immunology·2026
Same author

Characterization of the cancer-associated field of injury in the nasal epithelium in never-smokers.

Lung cancer (Amsterdam, Netherlands)·2026
Same author

Advances in oncolytic viruses immunotherapy of hepatocellular carcinoma.

Discover oncology·2026

関連する実験動画

Updated: Feb 7, 2026

Supervised Machine Learning for Semi-Quantification of Extracellular DNA in Glomerulonephritis
09:16

Supervised Machine Learning for Semi-Quantification of Extracellular DNA in Glomerulonephritis

Published on: June 18, 2020

7.3K

病理画像分類のための潜在拡散を用いた半教師ありドメイン適応

Tengyue Zhang, Ruiwen Ding, Luoting Zhuang

    ArXiv
    |February 6, 2026
    PubMed
    まとめ

    本研究では、拡散モデルを用いた新しい半教師ありドメイン適応フレームワークを導入し、合成病理画像を生成します。このアプローチは、異なるデータセット間での深層学習モデルの汎化を向上させ、診断精度を高めます。

    科学分野:

    • 計算病理学
    • 医療における人工知能
    • 医療画像解析

    背景:

    • 計算病理学における深層学習モデルは、ドメインシフトによる汎化に苦労しています。
    • 現在のドメイン適応手法は、ラベルなしデータを使用しないか、画像間翻訳を使用するため、精度が低下するリスクがあります。
    • ドメインシフトは、多様な臨床設定でAIモデルを展開する上での大きな障壁です。

    研究 の 目的:

    • 計算病理学モデルの汎化を改善するための半教師ありドメイン適応（SSDA）フレームワークを開発すること。
    • 形態を保持し、ターゲットを意識した合成病理画像を生成するために潜在拡散モデルを活用すること。
    • ソースコホートのパフォーマンスを損なうことなく、未知のターゲットコホートでのモデルパフォーマンスを向上させること。

    主な方法:

    • 潜在拡散モデルを用いた半教師ありドメイン適応（SSDA）フレームワークを開発しました。
    • 拡散モデルは、ソースドメインとターゲットドメインからのラベルなしデータで学習され、基礎モデルの特徴、コホートのアイデンティティ、および組織調製が条件付けられました。
    • 合成されたターゲットを意識した画像は、肺腺癌の予後予測のための下流分類器を訓練するために、実際のラベル付きソースデータと組み合わされました。

    主要な成果:

    キーワード:
    半教師あり学習ドメイン適応拡散モデル病理画像深層学習予後予測計算病理学AI

    さらに関連する動画

    Tracking the Mammary Architectural Features and Detecting Breast Cancer with Magnetic Resonance Diffusion Tensor Imaging
    15:48

    Tracking the Mammary Architectural Features and Detecting Breast Cancer with Magnetic Resonance Diffusion Tensor Imaging

    Published on: December 15, 2014

    23.2K
    Analyzing Mitochondrial Morphology Through Simulation Supervised Learning
    12:06

    Analyzing Mitochondrial Morphology Through Simulation Supervised Learning

    Published on: March 3, 2023

    4.8K

    関連する実験動画

    Last Updated: Feb 7, 2026

    Supervised Machine Learning for Semi-Quantification of Extracellular DNA in Glomerulonephritis
    09:16

    Supervised Machine Learning for Semi-Quantification of Extracellular DNA in Glomerulonephritis

    Published on: June 18, 2020

    7.3K
    Tracking the Mammary Architectural Features and Detecting Breast Cancer with Magnetic Resonance Diffusion Tensor Imaging
    15:48

    Tracking the Mammary Architectural Features and Detecting Breast Cancer with Magnetic Resonance Diffusion Tensor Imaging

    Published on: December 15, 2014

    23.2K
    Analyzing Mitochondrial Morphology Through Simulation Supervised Learning
    12:06

    Analyzing Mitochondrial Morphology Through Simulation Supervised Learning

    Published on: March 3, 2023

    4.8K
  • 提案されたSSDAフレームワークは、保持されたターゲットコホートテストセットでパフォーマンスを大幅に向上させました。
  • 重み付きF1スコアは0.611から0.706に、マクロF1スコアは0.641から0.716に向上しました。
  • このアプローチは、ソースコホートのパフォーマンスを低下させることなく、ターゲットコホートのパフォーマンスを向上させました。

    • 結論:

    • ターゲットを意識した拡散ベースの合成データ拡張は、計算病理学におけるドメイン汎化を改善するための有望なアプローチです。
    • SSDAフレームワークは、現実的で関連性のある合成データを生成することにより、ドメインシフトを効果的に対処します。
    • この方法は、多様な病理データセット全体で堅 robust なAIモデルを展開するための実行可能なソリューションを提供します。