Automated bone marrow cytology using deep learning to generate a histogram of cell types

骨髓 细胞学 直方图 血液学 病理 医学 人工智能 计算机科学 内科学 图像(数学)
作者
Rohollah Moosavi Tayebi,Youqing Mu,Taher Dehkharghanian,Catherine Ross,Monalisa Sur,Ronan Foley,Hamid R. Tizhoosh,Clinton J.V. Campbell
出处
期刊:Communications medicine [Springer Nature]
卷期号:2 (1) 被引量:40
标识
DOI:10.1038/s43856-022-00107-6
摘要

Bone marrow cytology is required to make a hematological diagnosis, influencing critical clinical decision points in hematology. However, bone marrow cytology is tedious, limited to experienced reference centers and associated with inter-observer variability. This may lead to a delayed or incorrect diagnosis, leaving an unmet need for innovative supporting technologies.We develop an end-to-end deep learning-based system for automated bone marrow cytology. Starting with a bone marrow aspirate digital whole slide image, our system rapidly and automatically detects suitable regions for cytology, and subsequently identifies and classifies all bone marrow cells in each region. This collective cytomorphological information is captured in a representation called Histogram of Cell Types (HCT) quantifying bone marrow cell class probability distribution and acting as a cytological patient fingerprint.Our system achieves high accuracy in region detection (0.97 accuracy and 0.99 ROC AUC), and cell detection and cell classification (0.75 mean average precision, 0.78 average F1-score, Log-average miss rate of 0.31).HCT has potential to eventually support more efficient and accurate diagnosis in hematology, supporting AI-enabled computational pathology.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
科研通AI2S应助zhang005on采纳,获得10
1秒前
cc完成签到,获得积分10
1秒前
jialiu完成签到,获得积分10
1秒前
yzy发布了新的文献求助10
1秒前
想瘦的海豹完成签到,获得积分10
2秒前
3秒前
zmy完成签到,获得积分10
3秒前
peach发布了新的文献求助10
3秒前
4秒前
4秒前
Orion完成签到,获得积分10
4秒前
迅速从霜完成签到,获得积分10
4秒前
火星上清涟完成签到,获得积分20
4秒前
GAO完成签到,获得积分10
5秒前
5秒前
6秒前
7秒前
田様应助无悔的鱼儿采纳,获得10
7秒前
卷aaaa完成签到,获得积分10
7秒前
7秒前
哈哈喽发布了新的文献求助10
7秒前
爱听歌的忆翠完成签到,获得积分10
7秒前
xdedd发布了新的文献求助20
7秒前
LitB完成签到,获得积分0
9秒前
10秒前
10秒前
以沫yimoo发布了新的文献求助10
10秒前
11秒前
大方笑阳发布了新的文献求助10
11秒前
11秒前
11秒前
12秒前
12秒前
CodeCraft应助chen采纳,获得10
12秒前
13秒前
机械魔尺完成签到,获得积分10
13秒前
wocao发布了新的文献求助10
13秒前
13秒前
嗷嗷嗷完成签到,获得积分10
14秒前
14秒前
高分求助中
Evolution 10000
Sustainability in Tides Chemistry 2800
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
Diagnostic immunohistochemistry : theranostic and genomic applications 6th Edition 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3155301
求助须知:如何正确求助?哪些是违规求助? 2806177
关于积分的说明 7868353
捐赠科研通 2464650
什么是DOI,文献DOI怎么找? 1311885
科研通“疑难数据库(出版商)”最低求助积分说明 629777
版权声明 601880