实时深度学习相位成像流式细胞仪揭示用于血液学诊断的血细胞聚集体生物标志物
定量方法
2025-08-14 v1 人工智能
计算机视觉与模式识别
机器学习
图像与视频处理
摘要
尽管在自动血液学中分析罕见血细胞聚集体仍然具有挑战性，但它们可以显著推进无标记的功能性诊断。传统流式细胞仪能高效地进行细胞计数和白细胞分类，但无法识别带有标记结果的聚集体，需要人工复核。定量相位成像流式细胞术可以捕获详细的聚集体形态，但海量数据存储和离线处理阻碍了其临床应用。将隐藏的生物标志物纳入常规血液学检测组合将显著改善诊断且无需标记结果。我们提出了 RT-HAD，这是一个用于离轴数字全息显微镜（DHM）的端到端基于深度学习的图像和数据处理框架，它结合了物理一致的全息重建和检测，将每个血细胞表示在图中以识别聚集体。RT-HAD 即时处理 >30 GB 的图像数据，周转时间 <1.5 分钟，血小板聚集体检测错误率为 8.9%，这与血液学生物标志物可接受的实验室错误率相匹配，并解决了即时诊断的大数据挑战。
引用
@article{arxiv.2508.09215,
title = {Real-time deep learning phase imaging flow cytometer reveals blood cell aggregate biomarkers for haematology diagnostics},
author = {Kerem Delikoyun and Qianyu Chen and Liu Wei and Si Ko Myo and Johannes Krell and Martin Schlegel and Win Sen Kuan and John Tshon Yit Soong and Gerhard Schneider and Clarissa Prazeres da Costa and Percy A. Knolle and Laurent Renia and Matthew Edward Cove and Hwee Kuan Lee and Klaus Diepold and Oliver Hayden},
journal= {arXiv preprint arXiv:2508.09215},
year = {2025}
}