大骨髓数据集有助于培训AI识别血液疾病

在显微镜下的人骨髓。
在显微镜下的人骨髓。400x倍率[来源:Ivan Mattioli / Getty Images]

诊断血液疾病的方法基本上不变了一个世纪。病理学家使用显微镜来手动分析和分类骨髓细胞样本,寻找表明疾病存在的重要细胞的颤抖。这种方法既艰苦又耗时。

现在,来自Helmholtz慕尼黑的研究人员与LMU University Manich,MLL MUNICH Leukemia Lab(全球最大的诊断提供商之一),而Fraunhofer集成电路研究所已经合作使用大型的显微镜图像数据集来训练a目前可以高精度地识别骨髓细胞的神经网络。

他们的工作,发表I.n杂志血液,允许团队培养白细胞细胞晶体的高质量分类器,以确定各种诊断相关的细胞物种“高精度和召回”。他们补充说,他们的卷积神经网络超越了以前的基于特征的方法,并为单个骨髓细胞的分类问题提供了概念验证。

Helmholtz慕尼黑的研究人员在迄今为止的骨髓细胞微观图像上开发了最大的开放式数据库。数据库由来自更多900名患有各种血液疾病的900,000个单细胞图像组成。

“在我们的数据库之上,我们开发了一个神经网络,以准确性的准确性而胜过以前的机器学习算法,但在普遍性方面,赫尔默尔兹博士后研究员博士学位ZentrumMünchen。深度神经网络是一种专门设计用于处理图像的机器学习概念。“尚未使用这种先进的神经网络进行骨髓细胞的分析,”Matek解释说,“这也是由于迄今为止尚未提供的高质量,公共数据集的事实。”

研究人员旨在进一步扩展其骨髓细胞数据库以捕获更广泛的调查结果,并潜在验证其模型。“The database and the model are freely available for research and training purposes—to educate professionals or as a reference for further AI-based approaches, e.g., in blood cancer diagnostics,” said Carsten Marr, PhD, deputy head of institute and research group leader at the Institute of Computational Biology at Helmholtz Munich.

本网站使用AkisMet减少垃圾邮件。了解如何处理评论数据