红血细胞标签的混合框架使用圆配合,自动编码和数据增强.
Bundasak Angmanee1, Surasak Wanram2, Amorn Thedsakhulwong1
1Department of Physics, Faculty of Science, Ubon Ratchathani University, Ubon Ratchathani 34190, Thailand.
Journal of imaging
|September 26, 2025
概括
研究人员在泰国开发了一种新的红细胞 (RBC) 形态数据集,这对于人工智能驱动的贫血和血病诊断至关重要. 本资源增强了东南亚人口的医学图像分析.
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:
- 现有的数据集缺乏人群特定的红细胞形态学.
- 东南亚的贫血和血病诊断需要专门的数据.
研究的目的:
- 为泰国创建一个异常红细胞形态局部数据集.
- 为了支持血液学中的AI辅助诊断.
主要方法:
- 收集了来自六种血液学疾病的血涂样.
- 使用卷积式自动编码器和圆配件用于特征提取和量化.
- 应用专家验证和数据增强用于数据集改进.
主要成果:
- 开发了14089张高质量的单细胞图像的数据集.
- 将红细胞形态分为36个临床上有意义的类别.
- 数据集反映了东南亚人口的特点和多样性.
结论:
- 建立了一个可扩展和可解释的数据集,集成计算方法和专家知识.
- 该数据集是推动血液学研究的强大资源.
- 促进了人工智能驱动的临床支持系统与传统诊断的整合.
更多相关视频
06:03AMEBaS: Automatic Midline Extraction and Background Subtraction of Ratiometric Fluorescence Time-Lapses of Polarized Single Cells
Published on: June 23, 2023
809
09:47Author Spotlight: Advancing Alzheimer's Research – Exploring Early Detection and Multi-Omics Approaches
Published on: December 15, 2023
1.7K
