使用微流体图像细胞计和机器学习对红细胞和白细胞进行全面的定量分析,使用人类血液的微量体积
Nima Moradi1, Fateme Haji Mohamad Hoseyni1, Hassan Hajghassem1
1University of Tehran, Faculty of New Sciences and Technologies, North Kargar Street, Tehran, Iran. hajghassem@ut.ac.ir.
Lab on a chip
|October 23, 2023
概括
一个新的微流体设备和机器学习准确地分类血细胞,包括5部分白细胞分化,使用最小的全血. 这种自动诊断测试为红细胞和白细胞分析提供了高准确度.
科学领域:
- 生物医学工程 生物医学工程
- 血液学 血液学 血液学
- 机器学习 机器学习
背景情况:
- 准确的血细胞分类对于诊断各种健康状况至关重要.
- 传统的血液学分析仪可能很昂贵,需要更大的样本量.
- 需要快速,自动化和低成本的血液细胞分析方法.
研究的目的:
- 开发和验证微流体图像细胞计诊断试验,以准确地分类血细胞.
- 为了实现白细胞的全自动五部分定量差异化.
- 利用机器学习进行血液细胞的高速识别和形态分类.
主要方法:
- 设计一个低成本的一次性多层微器件,具有微通道,用于分析20μL全血.
- 使用红细胞边界追踪算法对数字化图像进行自动分析.
- 光成像与阿克里丁色染色和一个卷积神经网络为5部分白细胞分化.
主要成果:
- 开发的微流体装置能够准确地分类红细胞和白细胞.
- 实现了对中性粒细胞,淋巴细胞,单细胞,氨酸细胞和基细胞的全自动五部分定量分化.
- 卷积神经网络在识别和自动形态分类方面实现了98.57%的准确性.
结论:
- 微流体图像细胞计和机器学习方法为血液细胞分析提供了高度准确和自动化的方法.
- 这项技术为例行血液学诊断提供了快速且经济有效的替代方案.
- 该系统显示了与商业自动化血液学分析仪相似的结果,突出了其临床潜力.
