单细胞的自动图像细分和使用深度学习的索引计算
Luis A Pena Marquez1, Subhajit Chakrabarty1
1Computer Science Louisiana State University Shreveport Shreveport, USA.
Proceedings. IEEE International Conference on Bioinformatics and Biomedicine
|August 11, 2025
概括
单细胞指数 (MI) 通过分析红细胞与单细胞的相互作用来帮助输血决策. 一个新的深度学习模型自动计算MI,提高血液分析的效率和准确性.
科学领域:
- 血液学 血液学 血液学
- 医学诊断 医学诊断 医学诊断
- 人工智能在医学中的应用
背景情况:
- 准确的白细胞分类对于医学诊断至关重要,可以识别各种与血液有关的疾病.
- 单细胞指数 (MI) 对于评估输血兼容性至关重要,因为单细胞可以与红细胞相互作用.
- 手动血细胞计数是耗时且容易出现错误的,需要自动化解决方案.
研究的目的:
- 开发一种自动化方法来计算单细胞指数 (MI).
- 评估使用深度学习来对单细胞和红细胞进行像素级细分的可行性,以计算MI.
- 为了提高输血决策的血液分析的效率和准确性.
主要方法:
- 一个定制的显微镜图像数据集被收集和注释.
- 面具R-CNN深度神经网络模型被训练为自动像素级别的细分.
- 使用COCO预训练的重量来初始化Mask R-CNN模型.
主要成果:
- 面具R-CNN模型在自动细分中实现了72%的准确性.
- 自动化系统证明了能够快速高效地处理大型数据集的能力.
- 该模型的准确性与人类医学实验室科学家的准确性相当.
结论:
- 深度学习,特别是Mask R-CNN,显示了自动化单细胞指数计算的前景.
- 这种自动化方法可以显著减少实验室的工作量,提高诊断效率.
- 该系统为临床医生在识别合适的输血候选人方面提供了宝贵的工具.
