一个高效的急性淋巴细胞白血病查框架,基于多模式深度神经网络
Qiuming Wang1, Tao Huang2, Xiaojuan Luo2
1Computer Vision Institute, College of Computer Science and Software, Shenzhen University, China.
International journal of laboratory hematology
|January 15, 2025
概括
结合白细胞 (WBC) 散射图和全血细胞计 (CBC) 数据的新型深度神经网络框架显著提高了早期急性淋巴细胞白血病 (ALL) 查准确度. 这种方法提高了诊断的敏感性和特异性,有助于及时治疗儿科患者.
科学领域:
- 医学诊断 医学诊断 医学诊断
- 医疗保健中的人工智能
- 血液学 血液学 血液学
背景情况:
- 急性淋巴细胞白血病 (ALL) 是儿童癌症死亡的主要原因.
- 及时和准确的ALL诊断对于有效的治疗和改善生存率至关重要.
研究的目的:
- 开发和验证一个多模态深度神经网络,用于早期和高效的ALL查.
- 为了利用白细胞 (WBC) 分散图和全血细胞 (CBC) 数据来提高ALL检测.
主要方法:
- 提出了一个深度学习框架,集成WBC散射图和CBC数据.
- 该模型在包括ALL,传染性单核病 (IM) 和健康对照 (HC) 患者在内的数据集上进行了训练和验证.
主要成果:
- 综合方法在交叉验证中获得了98.43%的准确性,在外部验证中获得了96.67%的敏感性.
- 该模型的曲线下的面积 (AUC) 超过了0.99,超过了人类专家的性能.
结论:
- 这个框架代表了WBC散射图和CBC数据用于ALL查的新整合.
- 该方法表现出高灵敏度和特异性,有望改善早期ALL诊断,并减少医疗人员的工作量.
