开发具有深度学习的自动化高通量数字显微镜,用于改进血成像
Arunnagiri Arasappan Murugesan1, Sasikala Mohan1, Barath Parthiban1
1Department of Electronics and Communication Engineering, College of Engineering, Guindy, Anna University, Chennai, India.
Microscopy research and technique
|December 10, 2025
概括
这项研究引入了一种自动化显微镜系统,用于快速,高质量的血液涂抹成像. 一个深度学习模型,移动视觉变压器 (ViT),实现了99.28%的准确性,提高了诊断效率.
科学领域:
- 生物医学工程 生物医学工程
- 计算生物学 计算生物学
- 光学显微镜的使用方法
背景情况:
- 手动显微镜耗时,容易出现人为错误.
- 自动聚焦对于高放大显微镜来说至关重要.
- 现有的方法在高通量场景中缺乏效率.
研究的目的:
- 设计和开发一个自动化,高通量光学数字显微镜系统.
- 实施基于深度学习的自动聚焦机制,用于血涂片幻灯片扫描.
- 提高显微镜图像采集的效率和可靠性.
主要方法:
- 开发了一种自动光学数字显微镜装置,用于对10张血样片进行连续扫描.
- 使用预先训练的VGG-16和移动视觉转换器 (ViT) 模型进行转移学习,以实现自动聚焦.
- 对特定数据集进行微调的深度学习模型,以实现高效的特征学习.
主要成果:
- 移动ViT模型在自动聚焦中实现了99.28%的准确性.
- 该系统表现出更好的图像清晰度,可靠性和稳定性.
- 自动化方法显著提高了显微镜成像的效率.
结论:
- 开发的自动化显微镜系统为生物医学成像诊断提供了可靠和高效的解决方案.
- 移动ViT是显微镜中高精度自动聚焦的高级模型.
- 这项技术推进了显微镜分析,并解决了卫生紧急情况的挑战.
