频域对象检测网络用于在骨髓显微镜中诊断白血病
Liye Mei1,2,3, Xiaofang Song2, Hui Shen4
1Hubei Provincial Key Laboratory of Green Intelligent Computing Power Network, Hubei University of Technology, Wuhan, China.
Microscopy research and technique
|October 8, 2025
概括
这项研究引入了一个AI框架,使用骨髓图像的频率分析来改善白血病诊断. 人工智能准确地区分了急性淋巴细胞白血病 (ALL) 和慢性淋巴细胞白血病 (CLL).
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:
- 由于光学显微镜中的形态异质性,白血病诊断具有挑战性.
- 精确识别白血病细胞对于有效治疗至关重要.
研究的目的:
- 为增强白血病诊断开发一个频域引导物体检测框架.
- 用显微镜图像提高区分不同类型白血病的准确性.
主要方法:
- 在高分辨率的骨髓图像上使用基于频率的图像增强技术.
- 实现了精细的功能集成,结合了空间和频率信息.
- 开发了用于白血病细胞分类的物体检测框架.
主要成果:
- 在区分急性淋巴细胞白血病 (ALL) 中获得了高精度,平均精度为89.7%.
- 在分辨慢性淋巴细胞白血病 (CLL) 中获得了高精度,平均精度为95.6%.
- 展示了框架捕捉关键细粒度细节和语义模式的能力.
结论:
- 拟议的AI框架显著提高了白血病分类的诊断准确性.
- 整合人工智能与光学显微镜为血液恶性瘤诊断提供了宝贵的工具.
- 频域分析与对象检测相结合,有望改善白血病识别.
更多相关视频
09:57Comprehensive Protocol to Sample and Process Bone Marrow for Measuring Measurable Residual Disease and Leukemic Stem Cells in Acute Myeloid Leukemia
Published on: March 5, 2018
30.4K
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
7.4K
