Человек с серповидно-клеточной анемией производит жесткие эритроциты неправильной формы, которые могут расти и заблокировать кровеносные сосуды, причиняя боль и иногда смерть. Болезнь называют в честь серповидных (подобных полумесяцу) эритроцитов, но она также приводит ко многим другим формам, таким как овальные или удлиненные эритроциты. Конкретные формы, найденные в данном пациенте, могут держать ключи к разгадке серьезности их болезни, но трудно вручную классифицировать эти формы.Чтобы автоматизировать процесс идентификации формы эритроцита, Мэнцзя Сюй из Северо-восточного университета, Китай и коллеги развивал вычислительную структуру, которая использует инструмент машинного обучения, известный как глубокая сверточная нейронная сеть (CNN).
Новая структура использует три шага, чтобы классифицировать формы эритроцитов по микроскопическим изображениям крови. Во-первых, это отличает эритроциты от фона каждого изображения и друг от друга. Затем для каждой обнаруженной клетки это увеличивает масштаб или пока все изображения клетки не однородный размер.
Наконец, это использует глубокий CNNs, чтобы категоризировать клетки формой.Исследователи утвердили свой новый инструмент, используя 7 000 изображений микроскопии от восьми больных серповидно-клеточной анемией.
Они нашли, что автоматизированный метод успешно классифицировал форму эритроцита и для окисленных и для deoxygenated клеток (эритроциты транспортируют кислород в ткани всюду по телу).«Мы развивали первое глубокое средство обучения, которое может автоматически определить и классифицировать изменение эритроцита, следовательно представив прямые количественные свидетельства серьезности болезни», говорит соавтор исследования Джордж Карниадакис.
Исследовательская группа планирует далее улучшить их глубокий инструмент CNN и проверить его при других болезнях крови, которые изменяют форму и размер эритроцитов, таких как диабет и ВИЧ. Они также планируют исследовать его полноценность в характеристике раковых клеток.