基于MSFF-SegNeXtt的B-ALL图像的细胞核细分
Xinzheng Wang1, Cuisi Ou1, Zhigang Hu1
1School of Medical Technology and Engineering, Henan University of Science and Technology, Luoyang City, Henan Province, People's Republic of China.
Journal of multidisciplinary healthcare
|December 9, 2024
概括
一个新的AI模型,MSFF-SegNeXt,准确地细分B血统急性淋巴细胞白血病 (B-ALL) 骨髓图像中的细胞核. 这提高了B-ALL细胞分析的诊断客观性和效率.
科学领域:
- 计算生物学是一种计算生物学.
- 医学成像分析分析 医学成像分析
- 血液学中的人工智能
背景情况:
- 诊断B血统急性淋巴细胞白血病 (B-ALL) 依赖于手动骨髓涂抹分析,这是主观和低效的.
- 单个细胞核的准确细分对于详细的形态特征和客观的B-ALL诊断至关重要.
研究的目的:
- 开发一种先进的人工智能模型,用于在B-ALL骨髓涂抹图像中精确细分淋巴细胞的细胞核.
- 通过增强细胞核细分来提高B-ALL诊断的客观性和一致性.
主要方法:
- 提出了多尺度特征融合-SegNeXt (MSFF-SegNeXt) 模型,这是SegNeXt框架的增强.
- 集成了一种新的多尺度特征融合技术,结合了边缘特征地图.
- 集成的边缘引导注意 (EGA) 模块和汉堡结构,以改进特征表达和边缘细节的重点.
主要成果:
- 在SN-AM数据集上,MSFF-SegNeXt实现了卓越的细分性能.
- 获得了0.9659的精度和0.9422.2的子系数.
- 证明了复杂的细胞核细分和详细的边缘结构的改进处理.
结论:
- 在B-ALL细胞核细分方面,MSFF-SegNeXt显著优于现有的模型.
- 这一进步为B-ALL单细胞的详细形态分析提供了可靠的工具.
- 提高了更客观,更有效的B-ALL诊断和治疗计划的潜力.
