Журнал клинических испытаний
Открытый доступ

Абстрактный

Модель глубокого обучения для обнаружения лейкоцитов при различных факторах помех

Мэйюй Ли, Лэй Ли, Шуан Сун, Пэн Гэ, Ханьшань Чжан, Лу Лу, ​​Сяосян Лю, Фан Чжэн, Цун Линь, Шицзе Чжан, Сюго Сунь

Точное обнаружение лейкоцитов является основой диагностики заболеваний системы крови. Однако современные методы и приборы либо не в состоянии полностью автоматизировать процесс идентификации, либо имеют низкую производительность. Чтобы улучшить текущее состояние, нам необходимо разработать более интеллектуальные методы. В этой статье мы исследуем выполнение высокопроизводительного автоматического обнаружения лейкоцитов с использованием метода на основе глубокого обучения. Представлен полный рабочий конвейер для создания детектора лейкоцитов, который включает сбор данных, обучение модели, вывод и оценку. Мы создали новый набор данных лейкоцитов, который содержит 6273 изображения (8595 лейкоцитов), учитывая девять распространенных клинических факторов помех. На основе набора данных проводится оценка производительности шести основных моделей обнаружения и предлагается более надежная схема ансамбля. mAP@ IoU=0.50:0.95 и mAR@ IoU=0.50:0.95 схемы ансамбля на тестовом наборе составляют 0.853 и 0.922 соответственно. Эффективность обнаружения изображений низкого качества надежна. Впервые обнаружено, что ансамблевая схема обеспечивает точность 98,84% для обнаружения неполных лейкоцитов. Кроме того, мы также сравнили результаты испытаний различных моделей и обнаружили несколько идентичных ложных обнаружений моделей, а затем предоставили правильные рекомендации для клиники.