没有染色的血迹分析:基于规则,机器学习和深度学习技术的审查
Husnu Baris Baydargil1, Thomas Bocklitz1,2
1Institute of Physical Chemistry (IPC) and Abbe Center of Photonics (ACP), Friedrich Schiller University, Jena, Germany.
Journal of biophotonics
|June 30, 2025
概括
本综述探讨了分析无标签血细胞图像的方法. 它涵盖了基于规则的,机器学习和深度学习技术,用于诊断中准确的细胞细分和分类.
科学领域:
- 生物医学光学 生物医学光学
- 计算病理学计算病理学
- 血液学 血液学 血液学
背景情况:
- 血液细胞分析对于诊断至关重要,依赖于准确的细分和分类.
- 无标签的生物光子成像提供未染色的血液涂抹分析,克服着染料限制.
- 然而,无标签图像会带来诸如低信号和微妙变化的挑战,影响细分精度.
研究的目的:
- 审查和分析用于细分和分类无标签血细胞的各种计算方法.
- 突出血液学诊断中不同方法的性能,挑战和未来潜力.
- 评估无标签血细胞成像工作流程的临床可行性.
主要方法:
- 对基于规则的血细胞细分算法的分析.
- 机器学习技术的审查应用到无标签的细胞图像分析.
- 对深度学习模型进行评估,以提高血细胞分类和细分.
主要成果:
- 通过先进的计算方法,在血细胞细分和分类方面取得了显著的性能改善.
- 尽管面临挑战,但无标签成像显示出可以在染料失败的地方保持细胞对比度的希望.
- 持续存在的挑战包括处理低光学信号和未染色样本固有的微妙形态变异.
结论:
- 基于规则的机器学习和深度学习方法为分析无标签血细胞图像提供了可行的途径.
- 需要进一步的研究来克服目前广泛临床采用的局限性.
- 无标签的血细胞分析有助于简化,无染料的血液诊断工作流程.
