一个智能神经网络模型,用于检测红细胞在微观医学图像中的各种血液结构分类
Riaz Ullah Khan1, Sultan Almakdi2, Mohammed Alshehri2
1Yangtze Delta Region Institute (Huzhou), University of Electronic Science and Technology of China, Huzhou 313001, China.
Heliyon
|February 22, 2024
概括
这项研究介绍了一种使用RCNN和生物传感器的AI模型,用于在医学图像中准确识别红细胞. 自动化系统提高了诊断速度和准确性,减少了血液疾病检测中的错误.
科学领域:
- 生物医学图像分析
- 医疗保健中的人工智能
背景情况:
- 准确的红细胞识别对于诊断血液疾病至关重要.
- 手动分析是劳动密集型和容易出错的,特别是重叠的细胞.
- 先进的生物传感器对于高性能生物医学成像至关重要.
研究的目的:
- 开发一种智能神经网络模型,用于自动识别和分类红细胞.
- 克服分析聚类细胞 (接触或重叠) 的挑战.
- 为了提高医疗图像中红细胞检测的效率和准确性.
主要方法:
- 利用基于区域的卷积神经网络 (RCNN) 与先进的生物传感器集成.
- 使用数据增强用于预处理,以提高计算效率和样本大小.
- 应用辐射梯度指数过,用于图像数据均等化和降噪.
主要成果:
- 拟议的模型在检测红细胞方面实现了99%的训练准确性和91.21%的测试准确性.
- 与ResNet-50和GoogleNet等现有模型相比,表现出优异的性能,改善了10-15%.
- 成功应对接触或重叠细胞所带来的挑战,准确地识别血液结构.
结论:
- 人工智能辅助的自动红细胞检测可以显著加速血液细胞分析.
- 开发的模型尽量减少人为错误,为更早,更准确的疾病诊断铺平了道路.
- 这项技术有可能彻底改变生物医学成像的临床应用.
