全自动外周血细胞形态分析平台

猿急送>其他后端兼职程序员>追随>

案例列表

基本信息

案例ID：179658

技术顾问：追随 - 1年经验 - 无

联系沟通

微信扫码，建群沟通

项目名称：全自动外周血细胞形态分析平台

所属行业：人工智能 - 其他

->查看更多案例

案例介绍

本研究设计并实现了针对外周血涂片中粘连细胞的分割算法，解决在细胞团聚情况下准确分割的难题。为进一步分析细胞形态和数量，本文对分割后的细胞分类并统计各类白细胞占比情况，最终基于高效的分割、分类算法搭建了服务医生用户群体的全自动外周血细胞形态分析平台。
本研究主要完成的工作如下：
（1）高效、鲁棒的分割算法。基于深度学习和数字图像处理技术，本研究结合U-net语义分割网络及形态学处理方法提出了一种精确的白细胞区域检测方法，解决了血样中的细胞团聚情况下分割难、细胞区域识别不完整、不准确等问题。该方法在识别细胞核区域步骤中，U-net语义分割模型在三种不同风格的测试集上平均全局精度达到98.9%，并且白细胞区域的检出结果展示出细胞切片中目标细胞满足中心性、唯一性、完整性。此外，本文将提出的算法与传统的阈值分割、仅使用U-net模型语义分割、目标检测等方法进行对比，结果显示，本文提出的算法在白细胞计数和白细胞切割两个任务中均具有更好的性能。
（2）准确、实时的分类算法。本文对分割算法的结果采用了特殊的预处理方法，极大的降低了非目标细胞核对中心目标细胞分类的干扰。在训练模型阶段，本文采用合适的训练策略，使得MobileNet V2模型在白细胞六分类任务上准确率达到93.9%，在五分类任务上准确率高达98.6%。
（3）便于使用和管理的线上服务平台。为将提出的算法更加切实地应用在外周血涂片分析领域，本文搭建全自动外周血细胞形态分析平台。该平台为医生提供了直观的分割、分类以及统计分析结果，并充分考虑用户需求，提供了用户管理和体检者管理功能模块，从而帮助医生有效地提高了外周血涂片分析的效率。