相关实验视频
Updated: Jun 29, 2025
07:22
Quality-Controlled Sputum Analysis by Flow Cytometry
Published on: August 9, 2021
5.1K
使用人工智能来解释临床流细胞计数据集,用于自动化疾病诊断和/或监测.
Yu-Fen Wang1,2, Jeng-Lin Li3, Chi-Chun Lee3
1AHEAD Medicine Corporation, San Jose, CA, USA. andrea.wang@aheadmedicine.com.
Methods in molecular biology (Clifton, N.J.)
|March 25, 2024
概括
本研究介绍了一种机器学习方法,用于自动化血液病的流细胞计 (FC) 分析. 这种方法旨在提供更快,更准确和可重复的结果,解决专家短缺问题.
科学领域:
- 血液学 血液学 血液学
- 免疫学 免疫学 免疫学
- 计算生物学 计算生物学
背景情况:
- 流细胞计 (FC) 对于诊断和监测血液学疾病至关重要.
- 由于复杂性和手动关门限制,高维的FC数据集存在分析挑战.
- 需求的增加和熟练分析师的短缺需要自动化解决方案.
研究的目的:
- 开发一种自动机器学习 (ML) 方法,使用临床流细胞计数据进行疾病分类.
- 为了使血液恶性瘤的有效残留疾病监测.
- 为了克服手动,劳动密集型分析在流细胞计的局限性.
主要方法:
- 针对高维流细胞计数据集量身定制的机器学习算法的实施.
- 开发自动化分类和监控工具.
- 利用临床流量数据进行模型培训和验证.
主要成果:
- 开发的ML方法促进了疾病的自动分类.
- 该系统支持残留疾病监测.
- 在FC分析中提高速度,准确性和可重复性的潜力.
结论:
- 机器学习为自动化复杂流量细胞计数据分析提供了可行的解决方案.
- 这项技术可以解决专家短缺和血液学数据复杂性增加的挑战.
- 自动化FC分析有望改善临床诊断和患者监测.
