基于深度学习的骨髓元相的整体R波段型分析系统
Jiyue Wang1, Chao Xia2, Yaling Fan3
1From the Shanghai Institute of Hematology, State Key Laboratory of Medical Genomics, National Research Center for Translational Medicine at Shanghai, Ruijin Hospital, Shanghai Jiao Tong University School of Medicine, Shanghai, China (Wang, Fan, Jiang, G. Yang, Z. Chen, B. Chen).
Archives of pathology & laboratory medicine
|November 6, 2023
概括
一个新的深度学习系统自动化了骨髓的R带型分析,显著提高了诊断血液性瘤的速度和准确性.
科学领域:
- 医学技术 医学技术 医学技术
- 计算生物学是一种计算生物学.
- 遗传学 遗传学 是一个
背景情况:
- 传统的型分析对于诊断血液瘤至关重要,但耗时且劳动密集.
- 传统方法的局限性需要开发更有效的诊断工具.
研究的目的:
- 开发和评估一个集成的深度学习系统,用于骨髓元相的自动化R带型分析.
- 评估系统在提高血液病瘤的诊断效率和准确性方面的表现.
主要方法:
- 开发了四种深度学习模型,用于R带骨髓元相中的denoising,细分,分类和极性识别.
- 将模型集成到具有自动和半自动工作流程的R带骨髓型分析系统中.
- 验证了使用4442组元相和刻度图的系统,与885个元相的测试集.
主要成果:
- 该系统在单个任务中实现了高性能:消除噪声 (IoU 99.20%,DSC 99.58%),细分 (IoU 91.95%,DSC 95.79%),分类 (96.77%) 和极性识别 (99.93%).
- 综合系统表现出强大的整体准确性,自动策略达到93.33%,半自动策略达到99.06%.
结论:
- 基于深度学习的型分析系统显示了内部模型和整体工作流程的理想性能.
- 开发的系统具有显著的临床应用潜力,可以有效和准确地诊断出血液性瘤.
