开发一种人工智能算法,用于自动检测和分类大鼠骨髓细胞
Naohito Yamada1, Yusuke Suzuki1, Taishi Shimazaki1
1Toxicology Research Laboratories, Central Pharmaceutical Research Institute, Japan Tobacco Inc.
The Journal of toxicological sciences
|November 3, 2025
概括
一个新的机器学习系统自动检测和分类来自整个幻灯片图像 (WSIs) 的老鼠骨髓细胞. 这种人工智能工具实现了高精度,大大减少了毒性研究中的劳动力和时间.
科学领域:
- 血液学 血液学 血液学
- 计算生物学 计算生物学
- 毒理学 毒理学 毒理学
背景情况:
- 骨髓细胞的形态分类对于药物毒性研究至关重要.
- 对于细胞分类的光显微镜的专业知识需要广泛的培训,导致高劳动力和时间成本.
- 客观和有效的数据采集是可靠的毒性评估所需的.
研究的目的:
- 开发一种自动化系统,使用机器学习来检测和分类大鼠骨髓细胞.
- 提高骨髓细胞分析在毒性测试中的效率和客观性.
- 创建一个支持药物毒性评估的工具.
主要方法:
- 开发了一个机器学习系统,集成SSD300用于对象检测,VDSR用于超分辨率和EfficientNetV2B0用于分类.
- 使用的是老鼠骨髓涂抹样本的整片图像 (WSI).
- 模型使用720张用于检测的图像和144,000张用于分类13种细胞类型的细胞图像进行了微调.
主要成果:
- 该自动化系统在检测骨髓细胞方面实现了79%的平均精度.
- 与专家分类相比,形态分类的准确性达到98%.
- 该系统在大约80秒内对每张图像分类了大约5000个细胞.
结论:
- 开发的算法使得高度准确和快速的自动分类的老鼠骨髓细胞.
- 这个系统可以显著减少与骨髓细胞分析相关的时间和劳动力.
- 该算法显示出作为药物毒性评估的有价值的支持工具的潜力.
