- · 《检验医学与临床》刊物[08/03]
- · 《检验医学与临床》征稿[08/03]
- · 《检验医学与临床》投稿[08/03]
- · 《检验医学与临床》数据[08/03]
- · 《检验医学与临床》栏目[08/03]
人工智能助力检验医学发展(4)
作者:网站采编关键词:
摘要:2.3 形态学检验 目前检验科进行细胞形态学分析时均是以人工镜检为金标准,但是人工镜检主观因素影响大,需要专业的检验科人员进行操作,操作繁琐、
2.3 形态学检验
目前检验科进行细胞形态学分析时均是以人工镜检为金标准,但是人工镜检主观因素影响大,需要专业的检验科人员进行操作,操作繁琐、耗费时间长,不适用于大规模筛查。人工智能的出现为形态学检验的困境带来了转机,人工智能辅助形态学检验的思路一般可以分为检测任务,分割任务和分类任务。检测任务一般是定位目标细胞并进行计数,分割任务一般是分割目标然后进行面积或体积的量化分析,分类任务一般是面对种类较多较复杂的形态学分析时在检测或分割的基础上对目标细胞进行进一步的形态学分析,图6中列举了几种典型的细胞形态学分析的应用。
图6 人工智能辅助形态学检验Fig.6 Artificial intelligence assisted morphology test.
2.3.1 血细胞形态学分析 血常规检查是诊断血液系统相关疾病的最基本检验项目,检验内容包括血细胞计数和血细胞形态学检查两个方面。由于血细胞形态学分析对检验人员水平要求较高且工作量大,故血细胞形态学分析是目前各级医院检验科的薄弱环节之一。血细胞形态学检查自20世纪50年代~60年代以来主要以显微镜为检测工具进行人工镜检[37],人工智能的出现推动了自动化血细胞分析仪的发展,将检验医生们从繁重的血细胞形态学镜检工作中解放出来[38]。陈畅等[39]利用显微镜从外周血图片中采集分辨率为360像素×363像素的五类白细胞单个图像作为训练数据,在深度学习框架Caffe上搭建由LetNet网络模型删减优化而得来的轻量高效新网络CCNet,该网络模型对979张5类细胞图像的最佳分类准确率达到99.69%。市面上常见的智能血细胞分析仪有希森美康XS-500i全自动血细胞分析仪和CellaVision的DM96全自动血细胞形态学分析仪等。
2.3.2 染色体核型分析 染色体核型分析是根据人类染色体数目和结构异常的类型,以推断染色体异常与疾病关系的一种诊断技术。检验医生在进行核型分析前一般将细胞培养至有丝分裂中期并固定,再选取染色体分裂相完整独立,相对疏散,染色体形态适中无交联缠绕的部分进行分析。Abid等[40]对近年来自动染色体分类系统领域的突破性研究进行了全面回顾,首先回顾了特征提取的方法,然后再进行基于神经网络的染色体分类器调查。特征提取主要是基于染色体形态,条带,着丝粒位置等特征进行分析,Poletti等[41]使用从50个狭窄的骨中期细胞中提取的2287个染色体,开发了一款可以通过定位染色体着丝粒位置锁定染色体的算法。Oskouei等[42]采用了具有两层概率的神经网络用于染色体的分类,将分类过程分为两个步骤,在第一步骤中,将染色体分为6组,在第二步中,将6组的染色体分为24个类。市面上常见的染色体核型分析系统有VideoTes公司的T-Karyo染色体核型分析系统,德适生物的AutoVision染色体智能分析工作站等。
2.3.3 精子质量分析 精子质量分析主要包括精子数量、精子体积、精子活跃程度,精子活跃程度又可以分为运动活跃型、非运动活跃型、完全不动型[43]。精子形态学检验时,检验医生一般将精液稀释后制成样本在显微镜下肉眼观察精子形态、密度、活动率,并且进行计数。Ghasemian等[44]开发了一套精子形态分析算法,检测和分析人体精子的不同部位,该算法在消除图像噪声的同时增强了图像的对比度,算法模型能够识别出精子的不同部分,分析每个部分的大小和形态,最后将精子分类为正常精子或者异常精子。Bijar等[45]提出了一种分割精子顶体,核和中段的算法,该算法利用自适应混合方法(AMM)和马尔可夫随机场(MRF)模型来获取和升级分类条件概率密度函数(CCPDF)以及每个像素类别的先验概率,最后达到精子分割目的。
2.3.4 阴道分泌物有形成分分析 阴道分泌物有形成分分析一般是检验医生将稀释后的阴道分泌物制成样本在显微镜下用肉眼观察上皮、线索、球菌、念珠菌、杆菌、滴虫、白细胞等有形成分的形态和数量,并且根据这些指标为阴道环境清洁度分级,是诊断细菌性阴道炎(BV)、滴虫性阴道炎、混合感染型阴道炎等多种妇科疾病的重要依据[46]。胡静蓉等[47]利用人工神经网络改进的模糊识别算法对白细胞进行识别,并且基于纹理特征和几何特征利用传统算法识别上皮细胞、杆菌和球菌。目前市面上已有的阴道分泌物形态学分析仪有丽拓生物的阴道分泌物分析仪LTS—V800等。
2.3.5 液基薄层细胞有形成分分析 液基薄层细胞有形成分分析主要是通过人工镜检检测宫颈是否存在细胞增生,从而判断宫颈是否病变,液基细胞检测对宫颈癌细胞的检出率为100%。郑欣等[48]提出了一种基于YOLO(You Only Look Once)模型的算法对液基薄层细胞进行识别,该算法利用700张来自不同视野下的液基薄层细胞进行训练。考虑到液基薄层细胞黏连严重,提取图像特征的基础网络过深会导致过拟合,故使用Resnet50作为基础网络,该算法模型对液基薄层细胞识别率为87%,对液基细胞团簇的识别准确率为75.9%。
文章来源:《检验医学与临床》 网址: http://www.jyyxylczz.cn/qikandaodu/2020/0828/414.html