转移学习与蛇优化算法在骨髓细胞分类上的多模式表示,使用生物医学病理学图像.
Khaled Tarmissi1, Jamal Alsamri2, Mashael Maashi3
1Department of Computer Science and Artificial Intelligence, College of Computing, Umm-AlQura University, Mecca, Saudi Arabia.
Scientific reports
|April 24, 2025
概括
这项研究引入了一种新的AI方法,用于从图像中分类骨髓细胞,达到98.60%的准确性. 这一进步有助于更快,更精确的血液学诊断.
科学领域:
- 生物医学成像学 生物医学成像学
- 血液学 血液学 血液学
- 医学中的人工智能
背景情况:
- 骨髓 (BM) 细胞识别对于血液学诊断至关重要,但目前的物理方法耗时且具有挑战性.
- 深度学习 (DL) 和机器学习 (ML) 提供了使用成像数据进行细胞检测和分类的先进解决方案.
研究的目的:
- 提出一种新的多模式转移学习与蛇优化在骨髓细胞分类 (MTLSO-BMCC) 技术.
- 准确地识别和分类骨髓细胞使用组织病理学图像 (HI).
主要方法:
- 使用中间波器 (MF) 进行图像预处理,以减少噪声.
- 使用InceptionV3,Deep SqueezeNet和SE-DenseNet模型进行多模式特征提取.
- 通过由蛇优化算法 (SOA) 优化的混合内核极端学习机器 (HKELM) 进行骨髓细胞分类.
主要成果:
- MTLSO-BMCC技术实现了高分类准确率的98.60%.
- 与现有的骨髓细胞分类方法相比,证明了更高的性能.
结论:
- 拟议的MTLSO-BMCC技术为骨髓细胞分类提供了有效和准确的解决方案.
- 这种人工智能驱动的方法可以显著提高血液学诊断的效率和精度.


