更快的R-CNN在网状细胞的方法比较和评估中的实用性
Shengli Sun1, Geng Wang1, Binyao Zhang1
1Department of Clinical Laboratory, Peking Union Medical College Hospital, Beijing, China.
Frontiers in physiology
|June 17, 2024
概括
这项研究验证了Faster R-CNN,一个深度学习系统,用于网状细胞检测. 它与Sysmex XN血液学分析仪具有很高的一致性,证实了其临床实用性.
科学领域:
- 血液学 血液学 血液学
- 人工智能的人工智能
- 医学诊断 医学诊断 医学诊断
背景情况:
- 网细胞计数对于诊断和监测各种贫血和血液学疾病至关重要.
- 传统的方法可能是劳动密集型的,容易变化.
- 深度学习为自动化和准确的细胞分析提供了潜力.
研究的目的:
- 评估使用Faster R-CNN深度学习系统检测网状细胞的方法比较.
- 评估Faster R-CNN与已有的自动化血液学分析仪的性能.
主要方法:
- 分析了59个EDTA-K2抗凝血全血样本.
- 使用七个Sysmex XN血液分析仪计算了网细胞百分比 (RET%).
- 为了进行比较,使用了基于深度神经网络的图像检测系统Faster R-CNN.
主要成果:
- 在RET%检测中,在七个Sysmex XN分析仪和Faster R-CNN之间观察到很高的一致性.
- 相关系数在0.984到0.988之间,表明了强烈的共识.
- 结果符合检测网细胞的方法比较的要求.
结论:
- 使用Faster R-CNN系统的Sysmex XN分析仪在检测网状细胞方面表现出极好的一致性.
- 更快的R-CNN是一种可靠和潜在的有价值的临床工具,用于自动化网细胞分析.
- 这种智能学习系统满足了网细胞检测的方法比较要求.
