用AI为基础的单细胞分类来对鼻聚体中氨酸性细胞的定量表征
Martin Stampe1, Ida Skovgaard Christiansen1, Vibeke Backer2
1Department of Pathology, Rigshospitalet, Copenhagen, Denmark.
International forum of allergy & rhinology
|September 20, 2024
概括
单细胞二进制分类网络可以准确地量化鼻多中的乙素. 这些网络利用异性粒细胞的独特形态特征进行可靠的分析.
科学领域:
- 过敏和免疫学的过敏和免疫学.
- 病理学 病理学 病理学
- 计算生物学是一种计算生物学.
背景情况:
- 乙类粒细胞是过敏性疾病中关键的炎症细胞.
- 精确量化埃索诺菲尔细胞对于诊断和治疗监测至关重要.
- 鼻息肉与慢性炎症和氨基酸透有关.
研究的目的:
- 评估单细胞二进制分类网络对乙素细胞定量化的有用性.
- 为了确定特征性乙氨基细胞形态是否可以被人工智能模型有效地利用.
- 评估这些网络在分析鼻息肉组织时的可靠性.
主要方法:
- 开发一个单细胞二进制分类网络.
- 培训网络对氨酸型粒细胞的图像进行培训.
- 训练有素网络的应用,以量化鼻多样本中的埃索诺菲尔.
主要成果:
- 乙类粒细胞表现出独特的形态特征.
- 单细胞二进制分类网络表现出可靠的性能.
- 该网络准确地量化了鼻多标本中的乙素.
结论:
- 叶绿素的形态独特性使它们适合于人工智能驱动的分类.
- 单细胞二进制分类网络提供了一种可靠的方法来定量埃索诺菲尔.
- 这种方法可以有助于客观地评估鼻多中eosinophilic炎症.


