2021-12-02

Blood | AI分析大型骨髓细胞数据集高精度识别骨髓细胞

原创 图灵基因 图灵基因 2021-12-02 07:03

收录于话题#前沿生物大数据分析

血液疾病的诊断依赖于一种使用光学显微镜对骨髓细胞样本进行分析和分类的百年方法。用于寻找罕见但具有重要诊断价值的细胞的方法已经成熟，尽管费时又费力。人工智能（AI）有可能改进这种方法。然而，训练人工智能算法需要大量高质量的数据。现在，一个研究小组已经使用了超过17万张显微图像的数据集来训练神经网络，以高精度识别骨髓细胞。

这项研究发表在《Blood》杂志上的一篇题为“Highly accurate differentiation of bone marrow cell morphologies using deep neural networks on a large image data set”的论文中。

Helmholtz Munich的研究人员开发了迄今为止最大的骨髓细胞显微图像开放存取数据库。该数据库由来自900多名患有不同血液疾病患者的170000多张单细胞图像组成。这是Helmholtz Munich与慕尼黑LMU大学医院、MLL慕尼黑白血病实验室（全球该领域最大的诊断供应商之一）和Fraunhofer集成电路研究所合作的结果。

研究人员说，该数据集使他们能够训练高质量的白细胞细胞形态学分类器，这些分类器“以高精度和高召回率”识别出广泛的诊断相关细胞种类。他们补充说，他们的卷积神经网络比以前基于特征的方法更具竞争力，并为单个骨髓细胞的分类问题提供了概念证明。

Helmholtz Zentrum Muünchen的博士后研究员Christian Matek博士说：“在我们的数据库基础上，我们开发了一种神经网络，在准确性和可推广性方面都优于以前的细胞分类机器学习算法。”深度神经网络是一种专门为处理图像而设计的机器学习概念。“还没有使用如此先进的神经网络对骨髓细胞进行分析。”研究人员解释说，“这也是因为到目前为止还没有高质量的公共数据集。”

研究人员的目标是进一步扩展他们的骨髓细胞数据库，以获取更广泛的发现，并前瞻性地验证他们的模型。“该数据库和模型可免费用于研究和培训目的，以教育专业人士，或作为进一步基于人工智能的方法的参考，例如在血癌诊断方面。”Helmholtz Munich计算生物学研究所副所长兼研究小组组长Carsten Marr博士说。