在血液病理学中应用机器学习
Taher Dehkharghanian1,2, Youqing Mu2, Hamid R Tizhoosh3
1Department of Nephrology, University Health Network, Toronto, Ontario, Canada.
International journal of laboratory hematology
|May 31, 2023
概括
机器学习 (ML) 正在推动数字病理学,特别是血液病理学,通过帮助诊断工作流. 正在开发ML模型,以应对独特的挑战,并利用骨髓细胞学和组织病理学数据支持病理学家.
科学领域:
- 数字病理学数字病理学
- 血液病理学 血液病理学
- 机器学习应用 机器学习应用
背景情况:
- 机器学习 (ML) 越来越多地应用于数字病理学,特别是血液病理学.
- 这些工具旨在通过分析各种数据,包括数字组织图像来支持诊断工作流.
- 血液病理学与其他病理学子专业相比,为ML提出了独特的挑战.
研究的目的:
- 讨论血液病理学机器学习的当前趋势.
- 为血液病理学工作流程审查现有的支持ML的医疗器械.
- 探索研究趋势,专注于骨髓细胞学和组织病理学.
主要方法:
- 审查当前的机器学习应用程序和血液病理学研究.
- 对支持诊断工作流程的支持ML的医疗器械进行分析.
- 专注于建模病理学家的工作流程,以解决实际问题.
主要成果:
- 越来越多的ML应用在数字血液病理学中.
- 开发 ML 工具以支持诊断决策.
- 确定骨髓分析中的特定研究趋势.
结论:
- 机器学习具有显著的潜力,可以增强血液病理学诊断.
- 解决血液病理学的独特挑战是成功采用ML的关键.
- 过渡到数字病理学有助于整合新的ML工具.
