基于智能手机显微镜与深度学习的镰状细胞自动筛查
医学物理
2020-05-26 v1 图像与视频处理
应用物理
定量方法
摘要
镰状细胞病（SCD）是世界大部分地区重大的公共卫生优先事项，影响数百万人。在许多地区，特别是资源有限的环境中，SCD 未被持续诊断。在绝大多数 SCD 患者所在的非洲，每年出生的 0.2–0.3 百万名 SCD 患儿中超过 50% 将死于该病；事实上，其中许多死亡可通过正确诊断和治疗得以预防。本文提出一种深度学习框架，可利用智能手机显微镜对血涂片中的镰状细胞进行自动筛查。该框架使用两个不同且互补的深度神经网络。第一个神经网络增强并标准化智能手机显微镜捕获的血涂片图像，在空间和光谱上匹配实验室级台式显微镜的图像质量。第二个网络作用于第一个图像增强神经网络的输出，并用于对血涂片中健康细胞与镰状细胞进行语义分割。这些分割图像随后用于快速确定每位患者的 SCD 诊断。我们使用智能手机显微镜成像的来自 96 名独特患者（包括 32 名 SCD 患者）的血涂片盲测了该移动镰状细胞检测方法，实现了约 98% 的准确率，曲线下面积（AUC）为 0.998。凭借其高准确性，这种移动且经济的方法有潜力用作资源有限环境中 SCD 及其他血细胞疾病的筛查工具。
引用
@article{arxiv.1912.05155,
title = {Automated screening of sickle cells using a smartphone-based microscope and deep learning},
author = {Kevin de Haan and Hatice Ceylan Koydemir and Yair Rivenson and Derek Tseng and Elizabeth Van Dyne and Lissette Bakic and Doruk Karinca and Kyle Liang and Megha Ilango and Esin Gumustekin and Aydogan Ozcan},
journal= {arXiv preprint arXiv:1912.05155},
year = {2020}
}
备注
30 pages, 5 figures