Подсчитано, что около 70% решений, связанных с диагностикой и лечением заболеваний, а также выпиской и госпитализацией больного, опираются на результаты лабораторных исследований. В связи с этим дифференциальный подсчет лейкоцитов является одним из распространенных лабораторных тестов, которые необходимо учитывать при диагностике различных заболеваний, таких как заболевания крови (такие как лейкемия, анемия, полицитемия и др.) и заболевания, связанные с иммунной системой. (например, аутоиммунные анемии, аллергия и т. д.).
В настоящее время для оценки клеток крови используются ручные (микроскопическая оценка) и автоматизированные методы (с использованием автоматических гематологических приборов). Кроме того, лимфоциты делятся на малые (основные агенты приобретенной иммунной системы, включая В- и Т-клетки) и/или активированные лимфоциты (активированные малые лимфоциты, называемые большими лимфоцитами или лимфобластами). Всплески относятся к клеткам смазывания, которые представляют собой остатки лейкоцитов, образовавшиеся во время приготовления мазка крови. Среди глубоких нейронных сетей VGG16 43 сеть имеет относительно большую обобщаемость. Можно сказать, что метод, основанный на признаках, может извлекать более значимые признаки из изображений клеток, чем глубокие нейронные сети.
Путем оценки периферических лейкоцитов можно обнаружить широкий спектр доброкачественных заболеваний, таких как анемия, и злокачественных заболеваний, таких как лейкемия. С другой стороны, раннее выявление некоторых из этих аномалий, таких как острый лимфоидный лейкоз, несмотря на его летальность, может помочь процессу его лечения. Поэтому важно применять методы, которые могут быть эффективными при раннем выявлении различных заболеваний. В наши дни роль методов машинного обучения в интеллектуальной медицинской диагностике становится все более заметной. Действительно, глубокие нейронные сети произвели революцию в процессе медицинской диагностики и считаются одним из достижений искусства.
Автоматические гематологические приборы
К автоматизированным методам относятся устройства, которые оценивают клетки крови на основе светорассеяния или электрического импеданса, такие как Sysmex XP-300, счетчик клеток крови Nihon Kohden и трехкомпонентный автоматический гематологический анализатор DH36. В электрооптических анализаторах светочувствительный детектор измеряет оптическое рассеяние. Размер обнаруживаемых импульсов соответствует размеру клеток крови. Кроме того, в электрическом импедансе или счетчике клеток по принципу Коултера прохождение клеток через отверстие, в котором подается электрический ток, вызывает изменение электрического сопротивления. Подсчитываются импульсы, высота которых соответствует объему клетки, и это считается основой работы принципа Коултера. Помимо этих методов, в настоящее время используется технология микроскопической гиперспектральной визуализации как новый метод визуализации. Этот метод представляет собой комбинацию спектроскопии и 2D визуализации. Одним из серьезных недостатков этих устройств, помимо их высокой стоимости, является простой акт подсчета клеток без их качественной оценки со структурной и морфологической точки зрения. В результате после оценки образца крови указанными счетчиками клеток необходимо приготовить мазок и провести его микроскопическую оценку сотрудниками лаборатории для достижения точного и правильного диагноза.
С другой стороны, на результаты анализов влияют такие проблемы, как нехватка специалистов и лабораторного оборудования, большая загруженность, неопытность, неверный диагноз. Ошибочный диагноз влияет на режим лечения и, следовательно, может привести к злоупотреблению служебным положением и увеличению связанных с этим затрат. Однако использование новых технологий, таких как искусственный интеллект и обработка изображений, позволяет проводить количественные и качественные оценки для повышения качества диагностики. Фактически, сегодня глубокие нейронные сети являются одним из наиболее широко используемых методов машинного обучения для классификации и сегментации медицинских изображений.
Некоторые популярные предварительно обученные глубокие нейронные сети были обучены на Raabin-WBC с двойной маркировкой для классификации пяти типов лейкоцитов. VGG16 43 — старейшая модель CNN, состоящая из чередующихся слоев свертки и объединения. Из семейств глубоких остаточных сетей были протестированы Resnet.
Реактивная нейтрофилия
Увеличение количества палочкоядерных форм и метамиелоцитов является одним из признаков реактивной нейтрофилии (увеличение числа циркулирующих нейтрофилов до уровня более 7,5 × 109/л).
Точное и раннее выявление аномалий лейкоцитов в периферической крови играет решающую роль в оценке самочувствия человека, диагностике и прогнозе гематологических заболеваний. Например, некоторые заболевания крови и заболевания, связанные с иммунной системой, диагностируются с помощью дифференциального подсчета лейкоцитов, который является одним из распространенных лабораторных тестов.
В одном из исследований был представлен бесплатный набор данных нормальных периферических лейкоцитов под названием Raabin-WBC, содержащий около 40 000 изображений лейкоцитов и цветных пятен. Raabin-WBC как общедоступные данные в области здравоохранения можно использовать для разработки и тестирования моделей в различных задачах машинного обучения, включая классификацию, обнаружение, сегментацию и локализацию.
Белые кровяные тельца, называемые лейкоцитами, включают две группы фагоцитов и лимфоцитов. В то время как фагоциты включают клетки врожденной иммунной системы и быстро функционируют после заражения, лимфоциты опосредуют приобретенный иммунный ответ. Сами фагоциты можно разделить на гранулоциты (нейтрофилы, базофилы и эозинофилы) и моноциты. При аллергических заболеваниях увеличивается количество базофилов, или при злокачественных новообразованиях крови мы можем наблюдать увеличение количества предшественников клеток крови и изменение их формы и размеров.
Добавить комментарий