在使用高子生成显微镜和深度学习的支气管膜洗液中白细胞的分化
Laura M G van Huizen1, Max Blokker1, Yael Rip1
1LaserLab Amsterdam, Department of Physics, Faculty of Science, Vrije Universiteit Amsterdam, Amsterdam, The Netherlands.
PloS one
|June 27, 2023
Insights
无标签显微镜与深度学习相结合,可以准确地识别和量化支气管支气管洗液 (BALF) 中的白细胞. 这种先进的技术为间歇性肺病 (ILD) 提供了更快的诊断,降低了成本和工作量.
科学领域:
- 医学成像医学成像
- 计算病理学计算病理学
- 免疫学 免疫学 免疫学
背景情况:
- 间歇性肺部疾病 (ILD) 的诊断依赖于分析支气管支气管洗液 (BALF) 和活检.
- 在BALF中标准白细胞分化是劳动密集型和耗时的.
- 第三子 (THG) 和多光子激发自流光 (MPEF) 显微镜显示出血液中白细胞识别的前景.
研究的目的:
- 使用THG/MPEF显微镜将白细胞分化扩展到BALF样本.
- 在BALF中开发一个深度学习算法,用于自动化白细胞识别和量化.
主要方法:
- 从血液和BALF样本中分离出白细胞.
- 使用无标签THG/MPEF显微镜对细胞进行成像.
- 在2D图像上训练了一个深度学习模型,以估计白细胞比率.
主要成果:
- 在BALF中使用无标签显微镜识别出不同的白细胞群.
- 深度学习网络在BALF样本上估计白细胞百分比时实现了>90%的准确性.
- 证明了中性粒细胞,乙氨基粒细胞,淋巴细胞和巨细胞的独特细胞学特征.
结论:
- 无标签的THG/MPEF显微镜和深度学习能够快速分化和量化白细胞.
- 这种方法可以加速ILD诊断,降低成本,并减少观察者之间的变化.
- 对BALF的自动化分析为临床诊断提供了显著的潜力.
抽象的
No abstract available in PubMed .
更多相关视频
07:21Processing of Bronchoalveolar Lavage Fluid and Matched Blood for Alveolar Macrophage and CD4+ T-cell Immunophenotyping and HIV Reservoir Assessment
Published on: June 23, 2019
21.2K
10:39Advanced Imaging of Lung Homing Human Lymphocytes in an Experimental In Vivo Model of Allergic Inflammation Based on Light-sheet Microscopy
Published on: April 16, 2019
7.7K
