マイクロフリウイドの流れにおける血液細胞の識別のための汚れのない人工知能支援光学顕微鏡
Alexander Hunt1, Holger Schulze1, Kay Samuel2
1Centre for Inflammation Research, Institute for Regeneration and Repair, The University of Edinburgh, Edinburgh, United Kingdom.
Frontiers in bioinformatics
|September 2, 2025
まとめ
人工知能,特にYOLO v4ニューラルネットワークは ライトフィールド画像から 汚れのない血液細胞を迅速に分類します この自動化された方法は,従来の技術と比較して正確な血液学的分析の可能性を示しています.
科学分野:
- 生物医学工学
- 人工知能
- 血液学
背景:
- 血球の正確な識別は,血液学的状態の診断に不可欠です.
- 手動の血液検査のような 現在の方法は 時間のかかるもので 主観的です
- 自動血液分析機は,しばしば補足検査を必要とします.
研究 の 目的:
- 汚れのない血液細胞の迅速な自動分類のためのAIモデルを開発し評価する.
- 血液細胞の形状に関するYOLO v4オブジェクト検出の性能を評価する.
- 血液学分析のための微流体学と連携したAIの可能性を調査する.
主な方法:
- YOLO v4 オブジェクト検出アーキテクチャを使用した.
- 赤血球,赤血球,リンパ球,単細胞,中性細胞,血小板の未染色ライトフィールド画像でモデルを訓練した.
- 細胞イメージングのためにマイクロフリウイドの流れシステムを採用した.
主要な成果:
- 赤血球と赤血球のバイナリ分類で 86%のF1スコアを達成した.
- 4つの細胞タイプ (赤血球,赤血球,白血球,血小板) の分類でF1スコアが85%に達した.
- 5つの細胞タイプ (赤血球,赤血球,リンパ球,単細胞,中性細胞) の分類でF1スコア84. 1%を達成した.
結論:
- AI,特にYOLO v4は 染み付いていない血液細胞の 客観的な形状学的な分析のための有望なアプローチを提供します.
- マイクロフリウディクスと統合することで,形態学的評価を伴う 簡潔で自動化された全血球数値を作成できます.
- このAI駆動の方法は 早期の疾患発見と治療のモニタリングを強化する可能性を秘めています
