基于深度学习的无标签血液学分析框架,使用光学衍射断层扫描
Dongmin Ryu1, Taeyoung Bak2, Daewoong Ahn1
1Tomocube Inc., Daejeon, 34109, Republic of Korea.
Heliyon
|August 14, 2023
概括
这项研究引入了一种新的无标签血液学分析框架,使用光学衍射断层扫描和深度学习. 该方法精确检测和分类血细胞,为传统染色方法提供更快,更具成本效益的替代方案.
科学领域:
- 生物医学工程 生物医学工程
- 计算生物学 计算生物学
- 医学诊断 医学诊断 医学诊断
背景情况:
- 传统的血液学分析依赖于耗时和劳动密集的化学染色过程.
- 无标签成像为血液学分析提供了具有成本效益和效率的替代方案.
研究的目的:
- 开发一个无标签的血液学分析框架,使用光学衍射断层扫描和深度学习.
- 精确检测和分类各种血细胞类型,无需化学染色.
主要方法:
- 利用光学衍射断层扫描进行无标签的血液细胞成像.
- 采用全卷积一阶段物体探测器 (FCOS),一个深度学习模型,用于细胞检测和分类.
- 检测到的细胞被分为四组:红细胞,异常红细胞,血小板和白细胞.
主要成果:
- 对象检测模型实现了0.977的血液细胞检测的平均平均精度 (mAP).
- 在四类血细胞分类中实现了高精度,加权F1得分为0.9708,总精度为0.9712.
- 证明了与参考设备的平均体细胞体积 (MCV) (0.905) 和平均体细胞血红蛋白 (MCH) (0.889) 的合理相关性.
结论:
- 拟议的框架成功地证明了使用光学衍射断层扫描仪检测和分类血细胞的无标签检测和分类.
- 这种方法为传统的血液学分析提供了一个有希望的,高效和成本效益的替代方案.
- 这项研究证实了将先进的成像和深度学习整合到改进的诊断工具中的潜力.
