“看显微镜枯燥乏味？ 给血细胞分类可让人工智能来完成”

本篇文章746字，读完约2分钟

德国亥姆霍兹慕尼黑研究中心和慕尼黑大学的研究人员首次发现，深度学习算法在对急性骨髓性白血病患者的血液样本进行分类方面具有优势。 该概念验证研究为未来广泛采用样品自动化、标准化拆解开辟了道路。 这篇论文发表在《自然机器智能》杂志上。

研究人员每天必须在医学实验室和诊所判断数百万血细胞以诊断疾病，并将其分为约15个不同类别。 这些重复工作大多依靠人工完成，容易导致样品的质量变化，同时必须依赖专家和专业信息。

为了更有效地判断每个血细胞，研究小组开发了神经元深度学习互联网，训练可以利用约20000张个别图像对细胞进行独立分类。 卡斯滕马尔博士领导的团队采用从100例侵袭性血液病aml患者和100例对比性血液涂片中提取的图像，通过与人类专家的准确性进行比较，判断了这一新的自动化处理方案。

用于图像求解的深度学习算法需要两个基本条件:具有数千个参数的合适的神经互联网架构和充分的训练数据。 迄今为止，没有大量的数字血细胞记录，但这些样本每天都被诊所采用。 亥姆霍兹慕尼黑研究中心的研究小组提供了这样的第一个大数据集。 目前，多队与慕尼黑大学医学和综合诊所ⅲ、慕尼黑白血病实验室密切合作，用数字化完成了数百例患者的血液涂片。

“将我们的做法付诸实践，数字化患者的血液涂片需要成为常规，需要对不同来源的样本进行算法训练，以了解样本制备和染色过程中固有的异质性。 ”。 马尔说:“这可以说明深度学习算法的性能和细胞学家一样好。 下一步将探讨如何利用这种新的ai驱动方法预测基因变异和易位等其他疾病。 ”。

(区钢)信息推荐

德国政府:不允许加密货币和法定货币竞争

德国联邦政府20日在软文公报中表示，政府内阁在日前召开的数字会议上，不允许加密货币适用于国家法。 新华社11月21日报道。 ...