在视觉模型中使用空间注意力机制来识别和可视化APL中的融合基因亚型
Peirou Yan1, Guo Pu2, Ping Wu3
1Department of Hematology, Aerospace Center Hospital, Beijing, China.
Frontiers in oncology
|August 14, 2025
概括
一个新的CNN模型使用空间注意力准确地识别了急性肌肉细胞白血病 (APL) 的亚型,从而改善了诊断. 这种方法为临床价值提供了高精度和像素级可视化.
科学领域:
- 血液学 血液学 血液学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 急性促细胞白血病 (APL) 的特点是分化停止,通常是由PML-RARA融合基因引起的.
- 变异RARα转位可能导致误诊和延迟遗传测试,由于不同的生物特征和治疗反应.
研究的目的:
- 为APL融合基因亚型开发一个高精度的诊断工具.
- 为了使骨髓涂抹图像中的关键区域能够在像素级上可视化,用于APL诊断.
主要方法:
- 开发了一个卷积神经网络 (CNN),集成ResNet块和空间注意模块.
- 使用了五个类别的骨髓涂抹图像数据集 (PML-RARA,TTMV-RARA,NPM1-RARA,STAT5B-RARA,NUP98-RARG).
主要成果:
- 在分类APL亚型方面,CNN模型实现了98.04%的整体准确性.
- 该模型在所有五个类别中都表现出强的表现.
- 注意地图为模型的预测提供了更好的解释性.
结论:
- 这种新的方法为诊断APL亚型提供了一种快速且高度准确的方法.
- 像素级可视化功能对APL诊断和管理具有重要的临床价值.
更多相关视频
09:01Flow Cytometry to Estimate Leukemia Stem Cells in Primary Acute Myeloid Leukemia and in Patient-derived-xenografts, at Diagnosis and Follow Up
Published on: March 26, 2018
14.1K
09:49Oncogenic Gene Fusion Detection Using Anchored Multiplex Polymerase Chain Reaction Followed by Next Generation Sequencing
Published on: July 5, 2019
9.7K
