基于成像和阻抗流量细胞计的白细胞差异微流体与深度神经网络相结合
Xiao Chen1,2, Xukun Huang1,3, Jie Zhang4
1State Key Laboratory of Transducer Technology, Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing, China.
概括
这项研究引入了一种微流体装置,使用成像和阻抗流细胞计来准确计算白细胞差异计数. 结合光成像,阻抗变化和深度神经网络,在分类白细胞方面实现了近100%的准确性.
科学领域:
- 生物医学工程 生物医学工程
- 流动细胞计量 (Flow Cytometry) 是一种流动细胞计.
- 人工智能在医学中的应用
背景情况:
- 白血球分数是关键的临床指标.
- 微观方法的吞吐量很低,目前的分析仪缺乏定量准确性.
- 需要高通量,准确的白细胞差异分析.
研究的目的:
- 开发一种微流体系统,用于高精度的白细胞差异分析.
- 整合成像和阻抗细胞计与深度学习用于细胞分类.
- 克服白细胞差异计数现有方法的局限性.
主要方法:
- 一个自主开发的微流体装置,结合成像和阻抗流动细胞计.
- 利用卷积和循环神经网络从细胞数据中提取特征.
- 使用支向量机来融合提取的特征来分类白细胞.
主要成果:
- 使用光图像和CNN,分类准确率达到95.4%.
- 使用阻抗变化和RNN的精度为90.3%.
- 使用光图像,阻抗变化和深度神经网络的结合方法实现了99.3%的准确性.
结论:
- 单细胞光成像和阻抗变化与深度神经网络相结合,使高精度的白细胞差异分析成为可能.
- 开发的微流体系统为精确高效的白细胞分数计数提供了一个有前途的解决方案.
- 这种综合方法显著提高了自动化血细胞分析的能力.
更多相关视频
06:47Microfluidic Assay for the Assessment of Leukocyte Adhesion to Human Induced Pluripotent Stem Cell-derived Endothelial Cells hiPSC-ECs
Published on: November 26, 2018
9.5K
08:21High-Dimensionality Flow Cytometry for Immune Function Analysis of Dissected Implant Tissues
Published on: September 15, 2021
2.2K
