在临床实验室中自动检测白细胞的创新混合模型
1Department of Bioengineering, Malatya Turgut Ozal University, 44200 Malatya, Turkey.
Diagnostics (Basel, Switzerland)
|September 28, 2024
概括
这项研究引入了一种用于检测白细胞的自动化方法,达到95.6%的准确性. 这种数字方法克服了手工限制,提高了临床实验室效率和疾病诊断.
科学领域:
- 医学诊断 医学诊断 医学诊断
- 计算病理学计算病理学
- 医疗保健中的人工智能
背景情况:
- 手动外周血液检查是黄金标准,但受到观察者之间的变化和时间限制的影响.
- 自动化数字算法提供了一个解决方案,以提高临床实验室的效率和准确性.
- 早期疾病检测依赖于对周围血液细胞的及时和精确分析.
研究的目的:
- 开发和评估用于白细胞检测的自动化系统.
- 通过数字方法解决手动血液细胞分析的局限性.
- 为了提高诊断与白细胞有关的疾病的准确性和速度.
主要方法:
- 开发了一种混合深度学习模型,用于自动检测白细胞.
- 使用MobileNetV2和EfficientNetb0架构进行了功能提取.
- 邻近组件分析 (NCA) 用于特征选择,其次是特征融合以提高性能.
主要成果:
- 拟议的混合模型在白细胞检测中实现了95.6%的高精度.
- 使用NCA和功能组合的功能优化改善了模型性能.
- 与传统方法相比,数字算法显示出具有竞争力的结果.
结论:
- 开发的自动化模型显示了可靠的白细胞检测的巨大潜力.
- 这种人工智能驱动的方法可以帮助临床实验室改善诊断工作流程.
- 这些发现支持使用先进的数字算法来增强医疗保健诊断.
