基于机器学习的无透镜成像技术用于现场便携式细胞计数
图像与视频处理
2022-03-04 v2 人工智能
摘要
无透镜阴影成像技术（LSIT）是一种用于微粒和生物细胞表征的成熟技术。由于其简便性和成本效益，已发展出多种低成本解决方案，例如全血细胞计数（CBC）、细胞活力、二维细胞形态学、三维细胞断层扫描的自动分析。迄今为止，为此定制开发的LSIT细胞计数仪所开发的自动表征算法，是基于来自该LSIT细胞计数仪的细胞衍射模式的手工设计特征，这些特征源自我们对数千个单一细胞类型样本的经验发现，这限制了系统在引入新细胞类型进行自动分类或表征方面的能力。此外，其性能因信号微弱或背景噪声导致的较差图像（细胞衍射模式）特征而受损。在这项工作中，我们通过利用人工智能驱动的自动信号增强方案（如去噪自编码器）和基于深度神经网络迁移学习的自适应细胞表征技术来解决这些问题。我们提出的方法在性能上显示，对于大多数细胞类型（如红细胞（RBC）和白细胞（WBC）），准确率提升超过98%，同时信号增强超过5 dB。此外，该模型能够自适应地在几次学习迭代内学习新类型的样本，并能够成功地将新引入的样本与现有的其他样本类型一同进行分类。
引用
@article{arxiv.2203.00899,
title = {Machine learning based lens-free imaging technique for field-portable cytometry},
author = {Rajkumar Vaghashiya and Sanghoon Shin and Varun Chauhan and Kaushal Kapadiya and Smit Sanghavi and Sungkyu Seo and Mohendra Roy},
journal= {arXiv preprint arXiv:2203.00899},
year = {2022}
}
备注
Published in Biosensors Journal