相关实验视频
Updated: Jun 18, 2025
06:47
Microfluidics in Assessing Platelet Function
Published on: November 8, 2024
829
建立血小板光计数方法的反射测试规则,使用Sysmex XN系列血液学分析仪上的机器学习模型
Zhengyu Zhou1, Mengqiao Guo2, Kang Wu1
1Department of Laboratory Diagnostics, Changhai Hospital, Naval Medical University, Shanghai, China.
International journal of laboratory hematology
|August 5, 2024
概括
这项研究通过在Sysmex XN系列分析仪上使用机器学习建立了新的血小板计数反射测试规则. 随机森林模型,结合平均细胞体积,证明了血小板光计数 (PLT-F) 方法的高精度.
科学领域:
- 血液学 血液学 血液学
- 临床化学 临床化学
- 机器学习在诊断中的应用
背景情况:
- 血小板光计数 (PLT-F) 方法是在Sysmex XN系列分析仪上的血小板阻抗计数 (PLT-I) 方法之后进行的反射测试.
- 建立优化的反射测试规则对于高效的实验室诊断至关重要.
研究的目的:
- 开发和验证用于PLT-F方法的反射测试规则,使用Sysmex XN系列分析仪的多个参数.
- 确定最有效的机器学习模型来建立这些规则.
主要方法:
- 使用120个样本,评估了PLT-F和PLT-I方法之间的基线偏差.
- 开发并测试了使用7个机器学习模型对1256个样本的反射规则.
- 利用7:3的训练测试设置比率,并通过各种指标评估模型性能.
主要成果:
- PLT-F方法与PLT-I方法显示出强烈的相关性 (r=0.998).
- 随机森林模型实现了最高的性能:准确度为0.893,AUC为0.954,F1得分为0.771,回忆率为0.719,精度为0.831,特异性为0.950.
- 随机森林模型中,平均细胞体积是最重要的变量 (15.09%).
结论:
- 随机森林模型对于建立PLT反射测试规则非常有效.
- 这些基于PLT-F方法和机器学习的规则提高了Sysmex XN系列分析仪的诊断效率.
