人工智能驱动的血液细胞在骨髓涂抹测试中的自动分类
Hiroyuki Nozaka1, Haruto Okuse1, Aono Nakata1
1Hirosaki University Graduate School of Health Sciences, Japan.
Studies in health technology and informatics
|August 8, 2025
概括
这项研究创建了一个人工智能 (AI) 模型来对骨髓中的血细胞进行分类. 人工智能实现了83.57%的准确性,显示了提高血液学测试效率的潜力.
科学领域:
- 生物医学工程 生物医学工程
- 计算生物学 计算生物学
- 血液学 血液学 血液学
背景情况:
- 人工智能 (AI) 具有提高血液学测试准确性和效率的潜力.
- 精确的血细胞分类对于诊断各种疾病至关重要.
- 目前的手动分类方法可能耗时,并且受观察者之间的变化影响.
研究的目的:
- 开发和评估基于人工智能的骨髓涂抹中的血液细胞分类模型.
- 评估深度学习架构的性能,特别是ResNet和ResNeXt,用于此任务.
- 为了确定挑战,并建议AI驱动的血液学分析的改进.
主要方法:
- 使用了来自46名健康个体的7376张手工分类的核血细胞图像的数据集.
- 在模型开发中使用了ResNet和ResNeXt深度学习架构.
- 在评估的架构中,ResNeXt-101模型被认为是最准确的.
主要成果:
- 该ResNeXt-101模型实现了总分类准确率为83.57%.
- 在密切相关的细胞类别之间经常观察到错误分类.
- 不成熟和成熟细胞之间的过渡阶段构成了重大分类挑战.
结论:
- 人工智能模型对改善血液学检测,特别是提高效率有很大的希望.
- 需要进一步开发,可能涉及多阶段人工智能模型,以克服过渡细胞阶段的分类挑战.
- 使用开发的AI模型进行初始查可能有助于改善实验室工作流程.
