卷积神经网络用于识别人体全血中的单细胞血小板血小板聚合物,使用成像流细胞计

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
• 计算生物学 计算生物学

背景情况:

• 血小板聚合对静血至关重要,但异常聚合有助于心血管疾病.
• 目前的方法缺乏在全血中单细胞水平上对血小板-血小板聚合物的有效监测.
• 抗血小板药物用于减轻心血管风险,但监测其有效性是一项挑战.

研究的目的:

• 开发和验证成像流细胞计法,用于识别和量化全血中的血小板-血小板聚合物.
• 创建一个用于分析血小板单细胞图像的计算工具.
• 建立一个新的参数来评估与心血管健康相关的血小板聚合.

主要方法:

• 利用成像流动细胞测量来检测全血中光标记的血小板.
• 实施了用于图像分析的有条件关门策略.
• 开发并验证了一个卷积神经网络 (CNN),以识别和分类血小板聚合物 (2,3或>3个血小板),并排除红细胞-血小板聚合物.

主要成果:

• 美国有线电视新闻网 (CNN) 在全血图片中准确地识别了血小板-血小板聚合物.
• 该方法成功地将红细胞-血小板聚合物从分析中排除在外.
• 一个新的参数,加权血小板聚合,是根据CNN的结果开发的.

结论:

• 开发的成像流细胞计和CNN方法为检测血小板聚合物提供了一个有前途的方法.
• 这种技术有可能作为心血管疾病的诊断标记.
• 该方法可以实现对抗血小板药物处方的个性化监测和优化.