Líonra Ionchódóra-díchódóra Iarmharach Struchtúrtha Doimhin le Feidhm Nuachaillteanais Chun Íomhánna Histapaiteolaíochta Duán agus Cíche a Dheighilt Núicléach

Teibí

Chun an próiseas diagnóisithe agus cóireála galair ailse a fheabhsú, is é an chéad chéim i bpaiteolaíocht dhigiteach deighilt uathoibríoch de núicléis dhaite hematoxylin agus eosin (H & E) ó íomhánna histeapaiteolaíochta. Díríonn an líonra ionchódóra-díchódóra iarmharach struchtúrtha domhain (DSREDN) atá beartaithe ar dhá ghné: ar an gcéad dul síos, bhain sé úsáid éifeachtach as naisc iarmharacha ar fud an líonra agus soláthraíonn sé cosán ionchódóra-díchódóra leathan agus domhain, a bhfuil de thoradh air chun comhthéacs ábhartha agus gnéithe níos logánta a ghabháil. Ar an dara dul síos, tugtar aghaidh ar theorainn imithe i léig na núicléis braite trí fheidhm chaillteanais éifeachtach a mholadh a threoraíonn ár múnla molta níos fearr agus a laghdaíonn an tuar bréagach atá neamh-inmhianaithe, go háirithe in iarratais chúram sláinte. Rinne an ailtireacht bheartaithe triail ar thrí thacar sonraí histeapaiteolaíochta dhaite H&E éagsúla atá ar fáil go poiblí, eadhon: (I) Duán (RCC) (II) Ailse Chíche Dhiúltach Trí-Dhiúltach (TNBC) (III) MoNuSeg-2018. Tá scór F1-, Innéacs Jaccard Comhiomlánaithe (AJI), líon iomlán na bparaiméadar, agus FLOPanna (oibríochtaí snámhphointe) curtha san áireamh againn, arb iad na méadrachtaí tomhais feidhmíochta is fearr chun comparáid a dhéanamh idir deighilt núicléas. Léirigh an scór measúnaithe ar dheighilt na núicléas gur bhain an ailtireacht bheartaithe corrlach suntasach amach thar chúig mhúnla domhainfhoghlama úrscothach ar thrí thacar sonraí histeapaiteolaíochta éagsúla. Léiríonn torthaí deighilte amhairc go ndéanann an tsamhail DSREDN atá beartaithe na réigiúin núicléacha a dheighilt go cruinn níos mó ná na cinn de na modhanna úrscothacha.

Eochairfhocail

Diagnóis agus prognóis ailse duán · Deighilt núicléas · Foghlaim iarmharach · Íomhánna histeapaiteolaíochta.

Cliceáil anseo chun éifeachtaí Cistanche a fháil amach

Réamhrá

Léiríonn treochtaí taighde le déanaí gur éirigh go han-mhaith leis an gcreat domhainfhoghlama maidir le deighilt, braite agus tascanna fís ríomhaireachta eile. Le deich mbliana anuas, le dul chun cinn cineálacha nua córas ríomhaireachta, straitéisí cearta chun fadhbanna rófheistithe a láimhseáil chun líonraí an-domhain a oiliúint, agus go leor athruithe atá oiriúnach do líonraí domhainfhoghlama. Is é deighilt hematoxylin agus eosin (H & E) ó íomhánna histeapaiteolaíochta dhaite an réamhriachtanas príomhúil i bpaiteolaíocht shaorga. Pléann Slaoui M et al na hullmhúcháin sleamhnáin histeapaiteolaíochta. in [27], de réir na gcéimeanna seo a leanas: (I) Bailiú fíocháin (II) Fosúchán (III) Leabú (IV) Roinnt (V) Díphairifíneáil (VI) Staining (VII) An sleamhnán a dhigitiú trí íomháú sleamhnáin iomláin (WSI) . Tá roinnt modhanna bailithe fíocháin ann, is iad sin asúite snáthaidí mín, snáthaid bithóipse, bithóipse excisional, etc. Tá níos mó faisnéise ag bithóipse níos mó ná bithóipse snáthaide beaga toisc go gcaomhnaíonn sé comhthéacs ceallacha móra na sleamhnáin histeapaiteolaíochta. Teastaíonn fosúchán fíocháin le haghaidh cobhsú ceimiceach agus fisiceach. Tá gá le neadú chun cruth ar leith a thabhairt don fhíochán ionas gur féidir leis na meaisíní é a ghearradh go héasca. Tá gá le rannánú chun gach faisnéis fíocháin tríthoiseach a fháil i bhfoirm go leor sleamhnáin tanaí agus faisnéis dhéthoiseach. Tá sé tábhachtach pairifín a bhaint as an bhfíochán rannóige, gan dí-phairifín a chur ar an bhfíochán d’fhéadfadh go mbeadh cuma beagán doiléir i gcuid de na codanna. Tá gá le staining na sleamhnáin fíocháin toisc nach bhfuil sé le feiceáil nó cineál trédhearcach faoi mhicreascópacht réimse geal. Is iad na stains is mó a úsáidtear le haghaidh íomhánna histeapaiteolaíocht ná hematoxylin agus eosin. Is féidir tascanna deighilte a chatagóiriú i dteicnící eastósctha gné traidisiúnta nó lámhcheirde agus cuir chuige domhainfhoghlama bunaithe ar CNN. Tá modhanna deighilte traidisiúnta bunaithe den chuid is mó ar chur chuige bunaithe ar chosúlacht, ar chur chuige bunaithe ar neamhleanúnachas, ar theicnící tairseacha, ar mhodhanna comhrianta gníomhacha agus ar a n-athraitheacha, ar shárpixel, agus ar mhodhanna braisle-bhunaithe, etc. Pléann Gonzalez RC et al an cur chuige bunaithe ar chosúlacht. i [8], bunaithe ar thairseach áitiúil, tairseachú domhanda, tairseach oiriúnaitheach, tairseach Otsu, fás réigiúin, scoilteadh réigiúin, agus cumasc, áit a ndéanann na modhanna seo iarracht picteilíní comhchosúla a ghrúpáil agus a dheighilt. I gcás histeagraim íomhá a bhfuil gleannta cothroma acu, ní oibríonn an cur chuige atá bunaithe ar chosúlacht go maith agus d’fhéadfadh ródheighilt agus tearc-dheighilt a bheith mar thoradh ar roghnú mícheart luach tairsí sa chás seo. Déanann an cur chuige neamhleanúnachais iarracht na picteilíní sin atá scoite amach ar bhealach éigin cosúil le pointí, línte agus imill a dheighilt, agus is cur chuige atá bunaithe ar phróiseáil masc. Éilíonn an modh seo oibreoirí éagsúla ag céimeanna éagsúla. Cousty J et al. Moladh modh deighilte tairseach i [4], bunaithe ar an tairseach scoilte, chumasc, agus marcóir-rialaithe. Braitheann teorainneacha braite sa mhodh tairseach ar chastacht na gceall. Amhrán T et al. deighilt comhrian gníomhach atá beartaithe i [28], nuair a mheasann siad faisnéis déine agus faisnéis imeall áitiúil chun teorainneacha réad a bhrath. An modh deighilte superpixel a úsáideann Albayrak A et al. in [1], bunaithe ar bhraisle na bpicteilín nasctha a bhfuil gnéithe comhionanna acu. Measann sé an dath agus comhordaíonn faisnéis na picteilín comharsan. Soláthraíonn an teicníocht seo faisnéis réigiúnach níos fearr ach níl sé an-éifeachtach i gcás deighilt cille. Deighilt bunaithe ar bhraisliú a mhol Win KY et al. in [37], déanann sé grúpáil bunaithe ar a gcosúlacht. In obair thaighde a rinneadh le déanaí, thuairiscigh an chuid is mó de na húdair go bhfeidhmíonn an teicníocht deighilte atá bunaithe ar ghréasán néarach comhraonta domhain i bhfad níos fearr ná an gnáthchur chuige deighilte. Cuirtear athbhreithniú beacht ar chur chuige bunaithe ar CNN i láthair i Roinn 2. Tá go leor dúshlán ag baint le modhanna deighilte domhainfhoghlama freisin. Má dhéanaimid na dúshláin seo a chatagóiriú, tiocfaidh sé faoi na gnéithe seo a leanas.

1. Mar gheall ar éagsúlachtaí móra cuma fíocháin agus speictream éagsúil d'aicme agus d'fho-aicme fíocháin, tá sé deacair a aithint.

2. Ní tasc éasca é teorainneacha casta a dheighilt, teorainneacha forluiteacha, agus teorainneacha dul in éag.

3. Is dúshlán mór freisin é an fhírinne a ullmhú i gcás foghlama maoirsithe. Is gá maoirseacht a dhéanamh ar phaiteolaithe a bhfuil taithí acu ós rud é go mbraitheann cruinneas an tuar ar fhírinneacht na talún anótáilte.

I gcás íomhánna casta histeapaiteolaíochta, bíonn ró-dheighilt nó tearc-dheighilt i gceist le modhanna traidisiúnta. Díríonn an cur chuige atá beartaithe ar na réigiúin núicléacha forluite agus imithe i léig a scaradh ó íomhánna histeapaiteolaíochta. Chun aghaidh a thabhairt ar na dúshláin a bhaineann le deighilt na núicléas ó íomhánna histeapaiteolaíochta is iad seo a leanas ár rannchuidithe sa pháipéar seo.

1. Chun na gnéithe idirmheánacha il-leibhéil a neartú, bhain ár múnla DSREDN molta úsáid éifeachtach as neart na foghlama iarmharaí.

2. Trí fhianaise eimpíreach agus trí thástáil agus anailís chúramach, mholamar feidhm chaillteanais nua. Léiríonn torthaí amhairc agus maitrísí feidhmíochta go ndéanann ár bhfeidhm chaillteanais an tsamhail a oiliúint níos fearr agus na réigiúin núicléacha a dheighilt go cruinn i gcomparáid leis na modhanna úrscothacha.

Cistanche tubulosa

Obair ghaolmhar

Is éard atá sa chuid is mó d'ailtireacht CNN don tasc deighilt cille ná cosán ionchódóra-díchódóra le haghaidh eastóscadh gné. Baineann cuid mhór den taighde a rinneadh le déanaí úsáid as go leor deiseanna féideartha mar straitéisí oiliúna a fheabhsú, fadhbanna rófheistithe a láimhseáil, modhanna barrfheabhsaithe níos fearr, agus go leor straitéisí eile chun cruinneas tuartha níos fearr a fháil. Mar sin féin, thuairiscigh go leor údair a dtoradh atá an-éifeachtach ach tá algartam deighilte cruinn agus éifeachtach fós ina thaighde ceannoscailte mar gheall ar chastacht na n-íomhánna histeapaiteolaíochta. Ceann de na ranníocaíochtaí suntasacha le Ronneberger et al. i [26], ar a dtugtar UNet, soláthraíonn sé treo an-mhaith agus cinn suntasach i réimse deighilt íomhá bithleighis. Is líonra conbhlóideach ionchódóra-díchódóra siméadrach é UNet agus tá líon mór bealaí gné ann a ligeann do ghnéithe a bhaint as an gciseal níos airde i líonra domhain. Feidhmiú arís agus arís eile ar (3 x 3) eithne convolution agus gníomhachtú ReLU ina dhiaidh sin, (2 x 2) uas-chomhthiomsú agus (2 x 2) uas-sampláil le méid stride de 2, agus conbhlóid (1 x 1) ina dhiaidh sin gníomhachtú sigmoid ag ciseal deiridh, iomlán de 23 sraitheanna sa líonra. I [36], Veit A et al. thuig siad trína dturgnamh, má tá bailiúchán de chosáin ag líonra gur leor cosán níos giorra le linn na hoiliúna, nó nach dteastaíonn cosán an-dhomhain le linn na hoiliúna. Ní bhraitheann na cosáin iolracha seo go mór ar a chéile agus méadaíonn a gcomhghaolmhaireacht réidh le cosáin bhailí iolracha feidhmíocht an ghréasáin. I [22], Milletari F et al. mholtar líonra comhdhlúite ionchódóra-dhíchódóra le haghaidh sonraí tríthoiseach trí úsáid a bhaint as caillteanas dísle mar fheidhm chaillteanais. Baineann a meastóireacht eimpíreach amach feidhmíocht níos fearr ar an tacar sonraí éagothroime láidir. In [24], Nogues I et al. mholtar ailtireacht chun nóid limfe a bhrath ag dhá líonra comhraonta lán-neadaithe maoirsithe agus straitéis optamaithe réimse randamach coinníollach struchtúrtha. Thug Kaiming He et al aghaidh ar dhíghrádú faisnéise i líonra níos doimhne. in [9], trí ghréasán iarmharach domhain a thabhairt isteach atá níos éasca le hoiliúint agus le barrfheabhsú. Déantar an nasc iarmharach a bhaint amach trí scipeáil a dhéanamh ar shraith amháin nó níos mó chun an sreabhadh faisnéise a athbhunú i líonra domhain. Chun rudaí histeolaíocha a dheighilt agus a bhrath, tá Chen H et al. in [5], tugadh isteach múnla feasach ar chomhrian a bhaintear faisnéis illeibhéil faoi mhaoirseacht chúnta. I [10], Huang G et al. 1083/2006 ón gComhairle líonra comhraonta a bheith beartaithe, a neartaíonn sreabhadh iomlán na léarscáile gné ionchuir tríd an ionchur ciseal roimhe sin a chothú chomh maith leis an ionchur bunaidh. Léiríonn a dturgnamh freisin go bhfoghlaimíonn an tsamhail gnéithe níos dlúithe mar gheall ar chomhtháthú na mapála céannachta agus go laghdaítear fadhb an ghrádáin atá ag dul in olcas. I gcás tacar sonraí éagothroime, tá tuartha claonta i dtreo ardchruinneas agus aisghairm íseal nach féidir a ghlacadh, go háirithe i réimse an leighis. Tugann Salehi SM et al aghaidh ar an bhfadhb seo. i [29], a rinne oiliúint ar an ngréasán domhain, fiú le tacar sonraí an-éagothroime, agus a láimhseáil go héifeachtach i gcás ina bhfuil tuar diúltach bréagach i bhfad níos contúirtí ná dearfach bréagach. iompraíocht na bhfeidhmeanna caillteanas amhail tras-eantrópacht ualaithe agus caillteanas dísle le rátaí foghlama éagsúla arna scrúdú ag Sudre CH et al. in [30], ar íomhánna leighis agus tacair shonraí tí. Fuarthas amach ina dturgnamh go bhfuil feidhm chaillteanais bheart-bhunaithe níos éifeachtaí de réir mar a mhéadaíonn leibhéal na héagothroime. A an-éifeachtach ó thaobh cuimhne agus ama le haghaidh deighilt shéimeantach radhairc bóthair agus laistigh, ailtireacht ionchódóra-decoder dtugtar SegNet le Badrinarayanan V et al. i [3]. Gineann SegNet díchódóir gné tanaí a sháraíonn an linn aistrithe agus a ionchur taifeach níos ísle óna ionchódóir. Chun deighilt go cruinn in aice le réigiúin teorann Zhou S et al. [38], d'úsáid sé líonra iarmharach a bhfuil bloc conbhlóide dilated aige. Úsáideann siad go leor bloic ordlathacha i gcomhthráth chun faisnéis shéimeantach bhríoch a fháil. Chun fadhbanna éagothroime ranga a láimhseáil nó tuar bréagach-diúltach i gcúram sláinte a laghdú, molann Hashemi SR i [11] CNN 3D-dlúth le caillteanas cosúlachta neamhshiméadrach innéacs-bhunaithe Tversky a thraenálann an líonra leis an achar dromchla is ísle. Fadhb choimpléascach deighilte a bhaineann le teorainneacha ar thug Naylor P et al aghaidh uirthi. in [25], trí fheidhm chaillteanais a fhoirmiú bunaithe ar achar in-núicléach. Sáraíonn a múnla ionchódóra-díchódóra ná FCN, FCN móide PP, Mask R-CNN, U-Net, agus U-Net móide PP a ndearnadh turgnamh orthu le tacair shonraí TNBC agus MoNuSeg. Síneadh brí leis an ionchódóir caighdeánach trí mhodúl breise ar a dtugtar geata aird ag Schlemper J et al a ionchorprú. in [31], agus aird chomh maith leis an meicníocht iarmharach ag Lal S et al. in [20], i gcás ina gcuirtear oiliúint ar an líonra ar bhealach a shochtann sé gnéithe nach mbaineann le hábhar agus ag an am céanna béim a chur ar an ngné bhrí. Maidir le deighilt radharc na mbóithre, Malekjoo A et al. in [23], d'úsáid sé an tsamhail uath-ionchódóra nuair a cuireadh conbhlóid, dí-chomhtháthú, agus comhthiomsú pirimide i bhfeidhm chun an ghné áitiúil a neartú. Chun íomhánna micreascópacha, MR, agus CT a dheighilt, tá ailtireacht ionchódóra-díchódóra ag Zhou S et al. in [39], cheangail naisc bhríocha chun na teorainneacha casta a shuíomh go beacht. Chun núicléis a dheighilt in íomhánna paiteolaíochta, tá an Lal S et al. múnla [21], comhdhéanta de dí-chomhbhrú dath oiriúnaitheach, tairseach ilscála agus oibríochtaí moirfeolaíocha ina dhiaidh sin, agus céimeanna iar-phróiseála eile. Maidir le deighilt na n-íomhánna leighis, feidhm caillteanas úrscéal le Karimi D et al. i [16], achar Hausdorff measta ag baint úsáide as an modh oibríochta moirfeolaíocha, modh claochlaithe achair, agus eithne go ciorclach convoluted gathanna éagsúla. Trí úsáid a bhaint as modhanna chun achar Hausdorff a laghdú, cuireann siad oiliúint ar CNN le haghaidh íomhánna éagsúla micreascópachta agus cuireann siad a dtorthaí i gcomparáid le feidhm chaillteanais a úsáidtear go coitianta. Hanif MS et al. in [12], mhol líonra iarmharach iomaíoch trí aonaid iarmharacha iolracha a chruachadh ar a dtugtar líonra leathan. Tháinig a staidéar i gcrích go bhfuil feidhmíocht líonra chomh leathan sin níos fearr ná an líonra domhain agus tanaí. Chanchal AK et al. agus Aatresh AA et al. in [2, 6], baineadh úsáid as comhthiomsú pirimide conbhlóide inscartha agus comhthiomsú pirimid atá ciallmhar ó thaobh toise le haghaidh tascanna deighilte núicléis.

Capsúil Cistanche

Ailtireacht mholta

Maidir le deighilt na n-íomhánna micreascóip, is fearr ailtireacht ionchódóra-dhíchódóra a fheileann mar má tá sraitheanna conbhlóide rialta agus sraitheanna uasta comhthiomsaithe ag ionchódóir, gabhann sé an comhthéacs san íomhá go han-éifeachtach. Cuireann cosán an díchódóra an t-aschur i láthair trí uasshampláil a chur i bhfeidhm de réir a chéile, ag bailiú gnéithe ábhartha ón ionchódóir, agus trí logánú beacht a chumasú. Glacann gach ceann de na scagairí ar thaobh an ionchódóra den líonra DSREDN a thaispeántar i bhFíor 1, ionchur de mhéid solúbtha. chuireamar convolution caighdeánach 2D rialta (3 x 3) i bhfeidhm, normalú baisc, agus comhthiomsú uasta. Chun fadhbanna sáithiúcháin agus caillteanas faisnéise a sheachaint agus sinn ag dul níos doimhne isteach sa líonra, rinneamar an fhaisnéis le sraitheanna níos ísle a athchóiriú trí chosán breise a chruthú comhthreomhar le príomhchonair an líonra. Níl comhghaol láidir idir an dá chosán seo agus seachnaíonn sé fadhbanna grádáin. I gcás gach ceann de na méideanna scagaire, tá an taobh ionchódóra iomlán de líonra DSREDN comhdhéanta de thrí shraith convolution i gcomhthreo le cosán convoluted amháin a dhírigh ar shreabhadh an ghné níos comhthéacsúla sa líonra. Ós rud é go mbraitheann éifeachtacht an chosáin díchódóra chun an t-aschur deiridh a ghiniúint ar bhailiú na ngnéithe comhthéacsúla ó thaobh an ionchódóra, tá cosán beagán difriúil againn ar thaobh an díchódóra, chun an ghné bhailithe a phróiseáil is fearr. De réir an nós imeachta seo, éiríonn ár líonra DSREDN leathan agus domhain in ionad tanaí agus domhain. Líonra DSREDN oilte le híomhánna RGB de mhéid (512 x 512 x 3). Is éard atá i gcúig chéim den chonair ionchódóra a bhfuil cúig mhéid scagaire éagsúla acu agus an chonair díchódóra chomhfhreagrach ná (a) convolution 2D de mhéid eithne (3 x 3) le gníomhachtú ReLU (b) Ciseal ardtaifigh (c) (2 x 2) uas -ciseal a chomhthiomsú i gcosán an ionchódóra chun méid spásúil na híomhá a laghdú agus ciseal suas-shamplála comhfhreagrach (2 x 2) ar an taobh díchódóra chun gné chomhthéacsúil a bhailiú ó thaobh an ionchódóra trí oibríocht chomhdhlúthúcháin (d) Ag an gcéim dheireanach a (1 x 1 ) úsáidtear convolution chun an méid (512 x 512 x 16) go (512 x 512 x 1) a mhapáil le gníomhachtú sigmoid.

Conclúid

Mhol an páipéar seo ailtireacht bunaithe ar CNN ar a dtugtar líonra ionchódóra-díchódóra iarmharach struchtúrtha domhain (DSREDN), a thug aghaidh ar dhá mhórábhar imní maidir le deighilt núicléas uathoibríoch. Ba é an chéad mhórábhar imní ná núicléis a aithint ó íomhánna histeapaiteolaíochta a bhfuil speictream leathan éagsúil acu le líon mór déantúsán. Tugadh aghaidh ar an bhfadhb seo trí ionchódóir cumhachtach a thabhairt isteach le dhá chonair a bhfuil cumas idirdhealaitheach níos mó acu agus a bhí in ann faisnéis uigeachta ábhartha agus dlúth a aisghabháil. Déanann na líonraí curtha i bhfeidhm neart na foghlama iarmharaí chomh maith le hailtireacht ionchódóra-dhíchódóra a ghiaráil go héifeachtach trí chosáin líonra leathan agus dhomhain a neartaíonn na gnéithe idirmheánacha a ionchorprú. Mholamar feidhm chaillteanais éifeachtach trí thurgnamh agus anailís chúramach chun na núicléis a dheighilt le teorainneacha casta nó ag dul in éag, arbh í an dara mórcheist iad sa tasc deighilte. Bhaineamar úsáid as na maitrísí feidhmíochta is fearr leat Scór F{1- agus scór AJI trí thurgnaimh a dhéanamh ar na trí thacar sonraí histeapaiteolaíochta dhaite H&E atá ar fáil go poiblí. Bhí na méadrachtaí cáilíochta a fuarthas agus na réigiúin núicléacha réamh-mheasta den chreat atá beartaithe níos fearr i gcomparáid leo siúd a bhaineann leis na samhlacha úrscothacha.

pills cistanche

Cé gur tháirg an tsamhail mholta torthaí iontacha, féadfar an spás gné a shaibhriú tuilleadh trí mhodúl ardfheidhmíochta eastósctha gné a ionchorprú. Chomh maith leis sin, is féidir an modh atá beartaithe a ghinearálú chun oibriú ar bhreis módúlachtaí íomhá. Is deighilt dhénártha é an staidéar seo ar íomhánna histeapaiteolaíochta, ní féidir linn anseo ach na réigiúin núicléacha a dheighilt. Sa todhchaí, is féidir linn na réigiúin núicléacha seo a ghrádú ina bhfochineálacha. Níor thuairiscigh Shoeibi A et al ach mórán feidhm nuálaíoch ar mhódúlachtaí éagsúla íomhá. in [32, 33], inar forbraíodh líonraí néaracha giniúna (GAN), líonraí néaracha athfhillteacha (RNNanna), uath-ionchódóirí (AEanna), líonraí néaracha comhraonta (CNNanna), líonraí néaracha doimhne (DNNanna), agus líonraí hibrideacha eile le haghaidh uathbhrath COVID-19 agus scléaróis iolrach. I [18, 34], Khodatars M et al. agus Sadeghi D et al. léirigh sé infheidhmeacht na foghlama domhain chun neamhord speictrim an uathachais a dhiagnóisiú agus galar scitsifréine a bhrath. Leagann na samplaí seo béim ar an gcaoi a bhfuil réimse na gcóras diagnóis ríomhchuidithe ag athrú go tapa, agus go bhféadfadh go mbeadh go leor feidhmchláir ann nár díríodh orthu go fóill.

Mar a Fheabhsaíonn Cistanchis Feidhm Duán

Is luibh leighis é Cistanche a úsáideadh le fada i leigheas traidisiúnta na Síne chun feidhm na duáin a fheabhsú. Creidtear go bhfuil buntáistí éagsúla aige mar gheall ar a chomhpháirteanna gníomhacha, mar shampla gliocóisídí feinileatánóideach agus iridoids.

Tugann staidéir le fios go bhféadfadh Cistanche feidhm na duáin a chur chun cinn trí shreabhadh fola duánach a fheabhsú, strus ocsaídiúcháin a laghdú, agus táirgeadh fachtóirí fáis a thacaíonn le sláinte na duáin a fheabhsú. Ina theannta sin, d'fhéadfadh sé cabhrú le brú fola a rialáil agus athlasadh a laghdú, ar fachtóirí tábhachtacha iad do shláinte na nduán.

Ina theannta sin, léirigh Cistanche an acmhainneacht maidir le cosaint a dhéanamh i gcoinne damáiste duáin de bharr míochainí áirithe nó tocsainí. D'fhéadfadh sé go mbeadh éifeacht chosanta aige ar na duáin trí chosc a chur ar fhreagraí athlastacha agus bás cille a laghdú.

Mar sin féin, tá sé tábhachtach a thabhairt faoi deara go bhfuil gá le tuilleadh taighde chun meicníocht agus éifeachtúlacht Cistanche a thuiscint go hiomlán chun feidhm na duáin a fheabhsú. Mar is amhlaidh le haon leigheas luibhe, tá sé inmholta dul i gcomhairle le gairmí cúraim sláinte cáilithe sula n-úsáidtear é chun críocha leighis.

Tagairtí

1. Albayrak A, Bilgin G (2019) Deighilt cille uathoibríoch in íomhánna histeapaiteolaíocha trí halgartaim dhá chéim atá bunaithe ar shárphicteilín. Med Biol Eng Ríomhaire 57(3):653–665

2. Aatresh AA, Yatgiri RP, Chanchal AK, Kumar A, Ravi A, Das D, Raghavendra BS, Lal S, Kini J (2021) Ailtireacht dhomhainfhoghlama éifeachtach le comhthiomsú pirimide toise-ciallmhar le haghaidh deighilt núicléas ar íomhánna histeapaiteolaíochta. Graf Íomhá Ríomh Mheas 93:101975. https://doi.org/10.1016/j.commedimag.2021.101975

3. Badrinarayanan V, Kendall A, Cipolla R (2017) Segnet: A ailtireacht ionchódóra-díchódóra convolutional domhain le haghaidh deighilt íomhá. IEEE Trans Pattern Anal Mach Intell 39(12):2481–2495

4. Cousty J, Bertrand G, Najman L, Couprie M (2010) Ciorruithe tairseach: Tanúcháin, na foraoisí cosáin is giorra, agus tairseacha topaeolaíocha. IEEE Trans Pattern Anal Mach Intell 32(5):925–939

5. Chen H, Qi X, Yu L, Heng PA (2016) DCAN: líonraí atá feasach ar chomhrian domhain le haghaidh deighilt cruinn gland. Fís Ríomhaire agus Aithint Patrún. arXiv: 1604.02677v1 [cs.CV]

6. Chanchal AK, Kumar A, Lal S, Kini J (2021) Ailtireacht dhomhainfhoghlama atá éifeachtach agus láidir chun íomhánna histeapaiteolaíochta na nduán agus na cíche a dheighilt. Ríomh Leictreoir 92:107177. https://doi.org/10.1016/j.compeleceng.2021.107177

7. Chanchal AK, Lal S, Kini J (2021) ASPPU-Net aistrithe doimhin ardtaifigh le haghaidh deighilt núicléis íomhánna histeapaiteolaíochta. Int J Comput Cabhrú le Máinliacht Raideolaíoch. https://doi.org/10.1007/s11548-021-02497-9

8. Gonzalez RC, Woods RE (2006) Próiseáil íomhá digiteach, 3ú eag. Prentice Hall, Nua Eabhrac, USA. ISBN-013168728X

9. He K, Zhang X, Ren S, Sun J (2016) Foghlaim iarmharach domhain le haghaidh aitheantais íomhá. Comhdháil IEEE 2016 ar fhís ríomhaire agus aithint patrún (CVPR), Las Vegas, NV. lgh 770–778. https://doi.org/10.1109/CVPR.2016.90

10. Huang G, Liu Z, Maaten L, Weinberger KQ (2017) Líonraí comhdhlúite dlúthcheangailte. Comhdháil IEEE ar fhís ríomhaire agus aithint patrún (CVPR), Honolulu. lgh 2261–2269. https://doi.org/10.1109/CVPR.2017.243

11. Hashemi SR, Salehi SM, Erdogmus D, Prabhu SP, Warfield SK, Gholipour A (2019) Feidhmeanna caillteanais neamhshiméadracha agus líonraí dlúth-nasctha le haghaidh deighilt íomhá leighis an-éagothroime: feidhm maidir le loit scléaróis iolrach a bhrath. In: IEEE Access, imleabhar 7, lgh 1721–1735. https://doi.org/10.1109/ACCESS.2018.2886371

12. Hanif MS, Bilal M (2020) Líonra néarúil iarmharach iomaíoch le haghaidh aicmiú íomhá. ICT Express 6(1):28–37. https://doi.org/10.1016/j.icte.2019.06.001

13. Ioffe S, Szegedy C (2015) normalú baisc: oiliúint líonra domhain a luathú trí athrú covariate inmheánach a laghdú. Foghlaim Meaisín. xiv: 1502. 03167

14. Irshad H, Kouhsari LM, Waltz G, Bucur O, Nowak JA, Dong F, Knoblauch NW, Beck AH (2015) Anótáil íomhá sluafhoinsiú do bhrath núicléas agus deighilt i bpaiteolaíocht ríomhaireachtúil: saineolaithe a mheas, modhanna uathoibrithe, agus an slua. In: Siompóisiam an Aigéin Chiúin ar bhithríomhaireacht (PSB), lgh 294–305. https://doi.org/10.13140/2.1.4067.0721

15. Jadon S (2020) Suirbhé ar fheidhmeanna caillteanais don deighilt shéimeantach. [Ar líne]. Ar fáil: arXiv:2006.14822

16. Karimi D, Salcudean SE (2020) An t-achar Hausdorff i ndeighilt íomhánna leighis a laghdú le líonraí néaracha comhbheartaithe. Íomháú Trasmheánach IEEE 39(2):499–513

17. Kumar N, Verma R, Sharma S, Bhargava S, Vahadane A, Sethi A (2017) Tacar sonraí agus teicníc le haghaidh deighilt núicléach ginearálaithe le haghaidh paiteolaíochta ríomhaireachtúla. Íomháú Trasmheánach IEEE 36(7):1550–1560

18. Khodatars M, Shoeibi A, Sadeghi D, Ghaasem N, Jafari M, Meridian P, Khadem A, Alizadehsani R, Zare A, Kong Y, Khosravi A, Nahavandi S, Hussain S, Acharya UR, Berk M (2021) Deep foghlaim le haghaidh diagnóis néaríomhá-bhunaithe agus athshlánú Neamhord Speictrim an Uathachais: Athbhreithniú. Ríomhaire Bith Med 139:104949. https://doi.org/10.1016/j.compbiomed.2021.104949

19. Kingma DP, Ba J (2015) Adam: Modh le haghaidh leas iomlán a bhaint stochastic. In: Comhdháil idirnáisiúnta ar ionadaíochtaí foghlama, imleabhar 9. arXiv:1412.6980v9 [cs.LG]

20. Lal S, Das D, Alabhya K, Kanfade A, Kumar A, Kini J (2021) NucleiSegNet: Ailtireacht dhomhain foghlama do dheighilt núicléis íomhánna histeapaiteolaíochta ailse ae. Ríomhaire Bith Med 128:104075

21. Lal S, Kanfade A, Alabhya K, Dsouza R, Kumar A, Chanchal AK, Maneesh M, Peryail G, Kini J (2020) Modh láidir chun núicléis a dheighilt ar íomhánna histeapaiteolaíochta dhaite H&E. 7ú comhdháil idirnáisiúnta IEEE ar phróiseáil comhartha agus líonraí comhtháite (SPIN2020), Amity University Delhi NCR, Noida, UP

22. Milletari F, Navab N, Ahmadi SA (2016) V-Net: líonraí néarúla lán-raonta le haghaidh deighilt íomhá leighis toirtmhéadrach, an ceathrú comhdháil idirnáisiúnta ar fhís 3D (3DV). Stanford, CA. lgh 565–571. https://doi.org/10.1109/3DV.2016.79

23. Malekjoo A, Fadaeieslam MJ (2019) Ailtireacht convolution-deconvolution leis an modúl comhthiomsaithe pirimid le haghaidh deighilt shéimeantach. Uirlisí Ildánacha Feidhmchlár 78:32379–32392. https://doi.org/10.1007/s11042-019-07990-7

24. Nogues I et al (2016) Deighilt braisle nód lymph uathoibríoch ag baint úsáide as líonraí néaracha atá neadaithe go hiomlánaíoch agus leas iomlán a bhaint as struchtúrtha in íomhánna CT. I: Ríomhaireacht íomhá leighis agus idirghabháil ríomhchuidithe – MICAI 2016. Nótaí léachta san eolaíocht ríomhaireachta, imleabhar 9901. Springer, Cham. https://doi.org/10.1007/978-3-319-46723-845

25. Naylor P, Lae M, Reyal F, Walter T (2019) núicléis in íomhánna histeapaiteolaíochta a dheighilt trí chúlchéimniú domhain ar an léarscáil chian. Íomháú Trasmheánach IEEE 38(2):448–459

26. Ronneberger O, Fischer P, Brox T (2015) U-Net: Líonraí comhraonta le haghaidh deighilt íomhá bithleighis. In: Proc. MICAI. Springer, München, an Ghearmáin, lgh 234–241

27. Slaoui M, Fiette L (2011) Nósanna imeachta histeapaiteolaíochta: ó shampláil fíocháin go meastóireacht histeapaiteolaíochta. Modhanna Mol Biol (Protoc Modhanna) 691:69–82

28. Song T, Sanchez V, EIDaly H, Rajpoot NM (2017) Múnla comhrian gníomhach dé-chainéil le haghaidh deighilt cille megakaryocytic in íomhánna histeolaíocht treifín smeara. IEEE Trans Biomed Eng 64(12):2913–2923

29. Salehi SM, Erdogmus D, Gholipour A (2017) Feidhm caillteanas Tversky le haghaidh deighilt íomhá ag baint úsáide as líonraí domhain 3D go hiomlán convolutional. In: Proc, Int Workshop Mach Learn Med Imag. Springer, Cham, an Eilvéis, lgh 379–387

30. Sudre CH, Li W, Vercauteren T, Ourselin S, Cardoso MJ (2017) Forluí dísle ginearálaithe mar fheidhm chaillteanais foghlama dhomhain le haghaidh deighleoga an-neamhchothromaithe. I: Foghlaim dhomhain in anailís íomhá leighis agus foghlaim ilmhódach le haghaidh tacaíochta cinntí cliniciúla. Springer, lgh 240–248

31. Schlemper J, Oktay O, Schaap M, Heinrich M, Kainz B, Glocker B, Rueckert D (2019) Líonraí aird: Ag foghlaim conas réigiúin shuntasacha a ghiaráil in íomhánna leighis. Med Image Anal 53(ISSN 1361- 8415):197–207

32. Shoeibi A, Khodatars M, Alizadehsani R, Ghassemi N, Jafari M, Meridian P, Khadem A, Sadeghi D, Hussain S, Zare A, Sani ZA, Bazeli J, Khozeimeh F, Khosravi A, Nahavandi S, Acharya UR, Shi P (2020) Brath agus réamhaisnéis uathoibrithe covid-19 ag baint úsáide as teicnící domhainfhoghlama: athbhreithniú. Foghlaim Meaisín. arXiv: 2007. 10785 [cs.LG]

33. Shoeibi A, Khodatars M, Jafari M, Meridian P, Rezaei M, Alizadehsani R, Khozeimeh F, Gorriz JM, Heras J, Panahiazar M (2021) Feidhmiú teicnící foghlama domhain chun scléaróis iolrach uathoibrithe a bhrath ag baint úsáide as íomháú athshondais mhaighnéadaigh: A athbhreithniú, Íomhá, agus Próiseáil Físeáin. xiv: 2105. 04881

34. Sadeghi D, Shoeibi A, Ghassemi N, Meridian P, Khadem A, Alizadehsani R, Teshnehlab M, Gorriz JM, Nahavandi S (2021) Forbhreathnú ar theicnící hintleachta saorga chun scitsifréine a dhiagnóisiú bunaithe ar mhodhanna íomháithe athshondais mhaighnéadaigh: , dúshláin, agus oibreacha amach anseo. Foghlaim Meaisín. xiv: 2103. 03081

35. Sugino T, Kawase T et al (2021) Ualaí a eascraíonn as feabhas a chur ar dheighilt struchtúir inchinne éagothroime ag baint úsáide as líonraí lán-raonta, cúram sláinte. MDPI 9(8):938

36. Veit A, Wilber M, Belongie S (2016) Iompraíonn líonraí iarmharacha cosúil le ensembles de líonraí sách éadomhain. Córas Próisis Neural Inf lgh 550–558. xiv: 1605. 06431

37. Win KY, Choomchuay S, Hamamoto K (2017) K ciallaíonn braisliú deighilt uathoibrithe bunaithe ar núicléis cille forluiteacha in íomhánna cíteolaíochta eisileadh pleural. Comhdháil idirnáisiúnta ar ardteicneolaíochtaí cumarsáide (ATC). lgh 265–269. https://doi.org/10.1109/ATC.2017.8167630

38. Zhou S, Nie D, Adeli E, Gao Y, Wang L, Ceann J, Shen D (2018) Deighilt fíneáil-grained ag baint úsáide as líonraí neural dilated ordlathach. In: Ríomhaireacht íomhá leighis agus idirghabháil ríomhchuidithe, imleabhar 11073. Springer, Cham, pp 488-496

39. Zhou S, Nie D, Adeli E, Yin J, Lian J, Shen D (2020). In: Idirbhearta IEEE ar Phróiseáil Íomhánna, imleabhar 29, lgh 461–475. https://doi.org/10.1109/TIP.2019.2919937

Amit Kumar Chanchal 1 · Shyam Lal 1 ·Jyoti Kini 2

1 An Roinn Innealtóireachta Leictreonaic agus Cumarsáide, An Institiúid Náisiúnta Teicneolaíochta Karnataka, Surathkal, Mangaluru-575025, Karnataka, an India

2 An Roinn Paiteolaíochta, Coláiste Leighis Kasturba Mangalore, Acadamh Ardoideachais Manipal, Manipal, India