RCMNet：一种辅助 CAR-T 疗法治疗白血病的深度学习模型
图像与视频处理
2022-05-10 v1 计算机视觉与模式识别
机器学习
定量方法
摘要
急性白血病是一种死亡率较高的血液癌症。当前的治疗方法包括骨髓移植、支持疗法和化疗。尽管可实现满意的缓解，但复发风险仍然较高。因此，亟需新的治疗手段。嵌合抗原受体 T 细胞（CAR-T）疗法已成为一种治疗并治愈急性白血病的有前景的方法。为发挥 CAR-T 细胞疗法在血液疾病中的治疗潜力，可靠的细胞形态学识别至关重要。然而，由于 CAR-T 细胞与其他血细胞在表型上的相似性，其识别是一项巨大挑战。为应对这一重大临床挑战，本文首先构建了包含 500 张染色后原始显微图像的 CAR-T 数据集。随后，我们提出了一种名为 RCMNet（结合 CBAM 与 MHSA 的 ResNet18）的新型集成模型，该模型将卷积神经网络（CNN）与 Transformer 相结合。该模型在公开数据集上取得了 99.63% 的 top-1 准确率。与以往报道相比，我们的模型在图像分类上获得了令人满意的结果。尽管在 CAR-T 细胞数据集上的测试表现出尚可的性能，但这归因于数据集规模有限。RCMNet 采用了迁移学习，最高准确率达 83.36%，高于其他 SOTA 模型。本研究评估了 RCMNet 在大型公开数据集上的有效性，并将其迁移至临床数据集用于诊断应用。
引用
@article{arxiv.2205.04230,
title = {RCMNet: A deep learning model assists CAR-T therapy for leukemia},
author = {Ruitao Zhang and Xueying Han and Ijaz Gul and Shiyao Zhai and Ying Liu and Yongbing Zhang and Yuhan Dong and Lan Ma and Dongmei Yu and Jin Zhou and Peiwu Qin},
journal= {arXiv preprint arXiv:2205.04230},
year = {2022}
}