细胞类型直方图：用于自动化骨髓细胞学的深度学习
图像与视频处理
2021-07-09 v2 计算机视觉与模式识别
机器学习
摘要
骨髓细胞学是做出血液学诊断所必需的，影响着血液学中的关键临床决策点。然而，骨髓细胞学繁琐费力，仅限于经验丰富的参考中心，且观察者间变异性高。这可能导致诊断延迟或错误，对创新辅助技术存在未满足的需求。我们开发了史上首个基于端到端深度学习的自动化骨髓细胞学技术。从骨髓穿刺数字化全切片图像出发，我们的技术快速自动检测适合细胞学分析的区域，随后识别并分类各区域中的所有骨髓细胞。这一整体细胞形态学信息被捕获于一种称为细胞类型直方图（HCT）的新表征中，其量化骨髓细胞类别概率分布并充当细胞学“患者指纹”。该方法在区域检测（准确率 0.97，ROC AUC 0.99）及细胞检测与细胞分类（mAP 0.75，F1 分数 0.78，对数平均漏检率 0.31）上达到高准确度。HCT 有潜力革新血液病理学诊断流程，实现更具成本效益、更准确的诊断，并为精准医学打开大门。
引用
@article{arxiv.2107.02293,
title = {Histogram of Cell Types: Deep Learning for Automated Bone Marrow Cytology},
author = {Rohollah Moosavi Tayebi and Youqing Mu and Taher Dehkharghanian and Catherine Ross and Monalisa Sur and Ronan Foley and Hamid R. Tizhoosh and Clinton JV Campbell},
journal= {arXiv preprint arXiv:2107.02293},
year = {2021}
}