东北大学科学家利用CNN识别贫血患者红细胞

国际著名科学研究网站phys.org发布了一篇文章，报道了来自中国东北大学的x0aMengjia Xu和团队共同开发了机器学习系统，利用深度学习来分类患者血液中的红细胞形态。...



国际著名科学研究网站phys.org发布了一篇文章，报道了来自中国东北大学的

Mengjia Xu和团队共同开发了机器学习系统，利用深度学习来分类患者血液中的红细胞形态。



基于深度卷积神经网络，以高精度自动分类镰状红细胞性贫血：对于8名SCD（心源性猝死）患者训练了超过7,000张单独的RBC图像

患有镰状细胞贫血的人，会产生异常形态的僵硬的红细胞，可以限制造血，引起血管疼痛，有时会导致死亡。这种疾病以镰刀形（新月形）红细胞命名，但也导致许多其他形状，如椭圆形或细长的红细胞。在给定患者中发现的特定形状，可以探查到其疾病发展的线索，但是难以手动地对这些形状进行分类。

为了使识别红细胞形状的过程自动化，中国东北大学的Mengjia XU和团队开发了一个采用称为深度卷积神经网络（CNN）的机器学习计算框架工具。

新框架使用三个步骤，对血液的微观图像中的红细胞形状进行分类：

首先，它将红细胞与每个图像的背景和彼此区分开来。

然后，对于检测到的每个细胞，它放大或缩小，直到所有细胞图像均匀一致。最后，它使用深CNN按形状对细胞单元进行分类。

研究人员使用来自八个镰状细胞病患者的、7000个显微镜图像，验证了他们的新工具。他们发现，自动化方法可以准确地将氧合和脱氧细胞的红细胞形状分类（红细胞将氧气输送到整个身体的组织）。

共同研究者George Karniadakis说：“我们开发了第一个可以自动识别和分类红细胞变化的深度学习工具，从而提供了疾病严重性的直接定量证据。

研究团队计划进一步完善CNN工具，并对其他血液疾病进行测试，以改变红细胞（如糖尿病和艾滋病毒）的形状和大小。他们还计划探讨其在表征癌细胞中的作用。

Paper：http://journals.plos.org/ploscompbiol/article/authors?id=10.1371/journal.pcbi.1005746

    关注 机械鸡