虚拟染色,细分和分类血涂片用于无标签的血液学分析

科学领域:

• 生物医学工程 生物医学工程
• 显微镜的使用方法
• 人工智能的人工智能

背景情况:

• 血液学分析对于疾病诊断至关重要,但依赖于复杂,昂贵和耗时的传统方法.
• 无标签技术,如深紫外线显微镜,通过消除染色和预处理,提供了更简单的工作流程.
• 现有的方法需要专门的设备和训练有素的人员,限制了可访问性和速度.

研究的目的:

• 开发一个完全自动化的血液学分析框架,使用无标签深紫外线显微镜.
• 为虚拟染色,细分,分类和计数白细胞 (WBCs) 创建一个深度学习管道.
• 建立一个快速,低成本的替代传统血液学分析仪.

主要方法:

• 使用单通道,无标签的深紫外线显微镜对外周血液涂抹.
• 开发了独立的深度神经网络,用于虚拟染色和细胞/核细分.
• 在细分图像上训练了一个分类器,以执行定量五部分白细胞差异.

主要成果:

• 虚拟染色精确地模仿了传统的Giemsa染色结果.
• 在血液细胞的细胞和核细分方面取得了高精度.
• 分类器成功地对未见的数据进行了定量五部分WBC差异.

结论:

• 拟议的自动化框架简化和增强了全血细胞计和血液涂抹分析.
• 这项技术有可能使简单,快速和低成本的护理点血液学分析仪的开发成为可能.
• 无标签的深紫外线显微镜与深度学习相结合,为先进的血液学诊断提供了一个有前途的途径.