对物体检测模型的实证研究,用于检测缺铁性贫血,使用周围血液涂抹图像检测缺铁性贫血
K T Navya1, K R Akshatha1, Keerthana Prasad2
1Department of Electronics and Communication Engineering, Manipal Institute of Technology, Manipal Academy of Higher Education, Manipal, Karnataka, 576104, India.
Biomedical physics & engineering express
|December 2, 2024
概括
这项研究引入了一种新的计算机辅助系统,通过检测图像中的特定红细胞异常来诊断缺铁性贫血 (IDA). 开发的机器学习模型显著提高了血液病学家的诊断准确性和速度.
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
- 血液学 血液学 血液学
背景情况:
- 缺铁性贫血 (IDA) 是一种广泛的营养障碍,影响全球162亿人.
- IDA诊断依赖于血红蛋白指数和对外围血液涂抹 (PBS) 图像的显微镜检查,这些图像揭示了低染色,微细胞红细胞.
- 当前的诊断方法可能耗时,需要专家解释.
研究的目的:
- 开发一个准确和快速的计算机辅助系统来诊断IDA.
- 为了利用机器学习进行非侵入性临床疾病检测.
- 使用物体检测来识别特定的红细胞形态,表明IDA.
主要方法:
- 使用RetinaNet-Disentangled密集物体探测器 (DDOD) 算法.
- 在PBS图像中定位低颜色和微细胞红细胞.
- 进行广泛的定量和定性模型评估,并与其他物体检测模型进行比较.
主要成果:
- 开发的系统通过检测特征性的红细胞形态学,成功识别了IDA.
- 与现有的最先进的技术相比,该模型表现出卓越的性能.
- 实现了比其他方法高出8%的平均精度.
结论:
- 这项研究展示了对象检测的首次应用,用于基于红细胞形态的IDA诊断.
- 计算机辅助系统为提高血液病学诊断准确性和效率提供了一个有前途的工具.
- 这些发现表明,IDA的自动检测取得了重大进展.


