使用全息细胞测量和深度学习进行状细胞疾病的生物物理分析
Cindy X Chen1, George T Funkenbusch1, Adam Wax1
1BIOS Lab, Department of Biomedical Engineering, Duke University, Durham, NC 27708, USA.
International journal of molecular sciences
|August 12, 2023
概括
全息细胞计提供了一种通过分析红细胞 (RBC) 形状来检测状细胞病 (SCD) 的新方法. 这种先进的成像方法可以准确地识别SCD,有助于疾病检测和严重程度评估.
科学领域:
- 血液学 血液学 血液学
- 生物物理学的生物物理.
- 医疗成像医学成像
背景情况:
- 状细胞疾病 (SCD) 是一种严重的遗传性血液疾病,死亡率高,特别是在撒哈拉以南非洲.
- 目前的状血红蛋白 (HbS) 诊断测试缺乏评估疾病严重程度或可视化红细胞 (RBC) 变形的能力.
- 由于血红蛋白聚合,SCD中的红细胞变得刚硬和状,导致血管封闭和并发症.
研究的目的:
- 引入全息细胞测量 (HC) 作为一种高通量,无标签的成像技术,用于全面的红细胞形态分析.
- 开发和验证一个机器学习 (ML) 分类器,使用HC数据进行准确的SCD检测.
- 评估HC在评估SCD诊断和严重程度的红细胞形态学方面的潜力.
主要方法:
- 从正常和SCD患者样本中采集了超过250万个单细胞全息图像,使用HC.
- 开发了一种用于定义培训数据的新方法,以提高ML分类的准确性.
- 使用深度学习分类器训练HC衍生的红细胞形态数据.
主要成果:
- 开发的深度学习分类器实现了SCD的高度准确的分类.
- 该HC系统使红细胞的无标签,高通量形态分析成为可能.
- 这种方法甚至在以前未见的患者样本上也表现出有效性,这表明了强烈的概括性.
结论:
- 全息细胞测量是一种有前途的工具,用于无标签,高通量检测状细胞疾病.
- 使用HC和深度学习对红细胞的形态分析可以准确地识别SCD.
- 这项技术有可能改善SCD诊断和管理,特别是在资源有限的环境中.
