使用机器和深度学习进行血液癌症诊断和分类:最先进的技术和新兴的研究指令
Hema Patel1, Himal Shah2, Gayatri Patel3
1Smt. Chandaben Mohanbhai Patel Institute of Computer Applications, Charotar University of Science and Technology, CHARUSAT, Campus, Changa, 388421 Anand, Gujarat, India.
Artificial intelligence in medicine
|April 24, 2024
概括
机器学习和深度学习自动化血液细胞分析,以更快,更准确的白血病诊断. 本综述评估了57篇关于这些技术的论文,以改善血液学诊断.
科学领域:
- 血液学 血液学 血液学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 血液学涉及诊断血液疾病,包括癌症,这需要精确和及时的显微镜评估血液和骨髓涂抹.
- 手动诊断的挑战包括重叠的细胞,不同的密度和照明问题,这使得该过程对病理学家来说耗时且劳动密集.
研究的目的:
- 系统地审查和分析过去20年来用于白血病诊断和分类的机器学习 (ML) 和深度学习 (DL) 方法.
- 评估现有的血液学ML/DL研究的优势和局限性,以指导未来的研究方向.
主要方法:
- 在PubMed,IEEE,Science Direct和Google Scholar进行了全面的文献搜索,选择了2003年至2023年间发表的57篇研究论文.
- 选择的论文集中在ML和DL技术应用于诊断和分类白血病从显微镜血细胞图像.
主要成果:
- ML和DL技术在自动化血液相关疾病的诊断过程方面显示出显著的潜力.
- 这些人工智能驱动的方法可以提高诊断和分类微观血细胞的准确性和速度,帮助病理学家.
结论:
- 审查强调了ML和DL在血液学中的越来越多的实用性,以提高诊断效率和准确性.
- 这项研究为研究人员在血液疾病诊断中探索AI应用的研究人员提供了宝贵的指导方针.
