无污染的人工智能辅助光显微镜用于微流体流中的血细胞识别
Alexander Hunt1, Holger Schulze1, Kay Samuel2
1Centre for Inflammation Research, Institute for Regeneration and Repair, The University of Edinburgh, Edinburgh, United Kingdom.
Frontiers in bioinformatics
|September 2, 2025
概括
人工智能,特别是YOLO v4神经网络, 快速分类从明亮场图像中未染色的血细胞. 这种自动化方法显示了与传统技术相比精确的血液学分析的潜力.
科学领域:
- 生物医学工程
- 人工智能
- 血液学
背景情况:
- 精确的血细胞识别对于诊断血液病症至关重要.
- 目前使用的手动血液涂抹方法耗时且主观.
- 自动化血液分析仪通常需要进行补充测试.
研究的目的:
- 开发和评估人工智能模型以快速自动分类未染色的血液细胞.
- 评估YOLO v4对象检测对血液细胞形态的性能.
- 探索人工智能与微流体学联合用于血液分析的潜力.
主要方法:
- 使用了YOLO v4对象检测架构.
- 在未染色的红细胞,状细胞,淋巴细胞,单细胞,中性粒细胞和血小板的亮场图像上训练模型.
- 使用微流体流系统进行细胞成像.
主要成果:
- 在红细胞和细胞的二进制分类中获得了86%的F1分数.
- 在四种细胞类型 (红细胞,细胞,白细胞,血小板) 的分类中达到85%的F1分数.
- 在五种细胞类型 (红细胞,细胞,淋巴细胞,单细胞,中性粒细胞) 的分类中获得了84. 1%的F1分数,与流细胞测量可比.
结论:
- 人工智能,特别是YOLO v4,为高通量,客观的血细胞形态分析提供了有希望的方法.
- 整合微流体可以创建简化,自动化全血细胞计与形态评估.
- 这种人工智能驱动的方法有可能提高早期疾病检测和治疗监测.
