通过机器学习和深度学习方法,基于数字全息流细胞计的尿液中尿路癌细胞的查
1Key Laboratory of Precision Opto-mechatronics Technology, Beihang University, Beijing 100191, China. panfeng@buaa.edu.cn.
Lab on a chip
|April 25, 2024
概括
数字全息流细胞计与人工智能结合,准确地识别了尿液中的尿癌细胞. 这项技术为早期癌症查提供了一个有前途,精确和方便的方法.
科学领域:
- 生物医学工程 生物医学工程
- 医学诊断 医学诊断 医学诊断
- 计算生物学 计算生物学
背景情况:
- 尿癌的发病率正在上升,特别是在老年人中,需要改善早期检测.
- 目前用于尿路癌查的尿细胞学方法在灵敏度,劳动力和成本方面存在局限性.
- 微流体芯片技术和数字全息显微镜为尿样分析提供了先进的功能.
研究的目的:
- 开发和评估一种用于高通量,无标签成像和尿细胞分析的新方法.
- 评估将数字全息流细胞计与机器学习相结合用于尿路癌细胞识别的有效性.
- 建立一个精确和方便的方法,用于早期泌尿腺癌查.
主要方法:
- 数字全息流细胞测量用于尿液中活细胞的快速,高精度成像.
- 定量相位成像捕获了各种细胞类型的折射率和厚度数据.
- 应用了机器学习和深度学习算法来分类细胞图像和识别癌细胞.
主要成果:
- 使用微流体芯片和数字全息显微镜实现了未染色的活细胞的高通量成像.
- 定量相位图像为准确分析提供了详细的细胞信息.
- 机器学习模型在识别尿癌细胞方面表现出了显著的准确性.
结论:
- 数字全息流细胞计和人工智能的整合为早期检测尿癌提供了一个强大的工具.
- 这种方法提供了一个精确,方便和高效的替代传统的尿细胞学.
- 通过及时诊断,进一步的发展对改善患者的治疗结果具有显著的前景.
