Automated Detection of Sickled Erythrocytes in Peripheral Blood Smear Images Using YOLO-Based Object Detection
本文提出了一种基于 YOLO 的临床落地框架，用于外周血涂片中镰状红细胞的自动检测，通过优化的成像与标注策略实现了高精度（mAP50-95 = 0.857），以实现可扩展的疾病监测。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
在人类血液的微观世界中，红细胞通常是柔软、圆形的圆盘状，在身体微小的血管中平滑流动。但对于患有镰状细胞病（一种影响血红蛋白的遗传性疾病）的人来说，这些细胞可能会变得僵硬且变形。当氧气水平下降时，细胞会扭曲成长形的月牙状，看起来就像农具中弯曲的刀刃。这些镰状细胞是危险的；它们足够坚硬，足以阻塞狭窄的血管，同时也足够脆弱，容易破碎，从而导致疼痛和器官损伤。为了了解患者病情的严重程度，医生传统上会在显微镜下观察一滴血液，通过肉眼进行计数和分类。然而，这种人工过程缓慢、令人疲劳，并且容易产生医生之间的判断差异，尤其是在细胞密集或外观略有不同的时候。
德克萨斯理工大学的一个研究小组开发了一种新的自动化方法来完成这项困难的任务，使用的是一种旨在寻找并识别图像中物体的特定人工智能技术。该系统并非试图通过一眼瞥见来猜测血液样本的整体状况，而是学习如何识别单个细胞，区分健康的圆形红细胞和危险的镰状细胞。通过训练计算机识别这些细胞的特定几何形状，研究人员创建了一个工具，该工具可以扫描血液涂片图像并高精度地统计镰状细胞的数量。这种方法为实现更快速、更一致的诊断和监测提供了一条潜在路径，对于全球数百万受此疾病影响的人群，特别是在获得专业医疗专家资源有限的地区，具有重要意义。
研究人员首先收集了来自确诊为镰状细胞病患者的血液样本，其中包括处于稳定状态的患者以及正在经历被称为血管闭塞事件（vaso-occlusive event）的剧烈疼痛期的患者。为了降低计算机计数难度，他们在将血液样本放在玻璃载玻片之前进行了仔细的稀释。这一步骤使细胞分布得更加均匀，减少了它们重叠或聚集在一起的情况，而这种情况会干扰人类的眼睛和计算机算法。随后，他们使用高倍显微镜拍摄了这些载玻片的清晰、详细的照片。由于图像极其宏大且细节丰富，团队将其分解成较小的、相互重叠的部分。这种技术使计算机能够在不丢失整体图像语境的情况下检查每个细胞的精细特征，确保即使是最小的镰状细胞特征也能被清晰观测到。
为了教会计算机寻找的目标，研究人员在这些图像中手动标记了数千个细胞，在每个细胞周围画一个框，并将其标记为正常红细胞或镰状细胞。他们非常谨慎地排除了那些位于图像边缘被切断或因过于模糊而无法明确辨认的细胞，以确保计算机仅从完美的样本中学习。一旦计算机拥有了这个标记图像库，团队就测试了几个不同版本的名为 YOLO（意为“You Only Look Once”，即“你只需看一眼”）的检测系统。该系统旨在通过单次扫描整个图像，同时预测物体的位置及其类型。团队训练了多个版本的系统，涵盖了从较小、较快的模型到较大、更复杂的模型，以观察哪种在寻找镰状细胞方面表现最佳。
结果显示，被称为 YOLO11 的最先进版本最为有效。它能够以极高的精确度识别并定位镰状细胞，准确找到了绝大多数细胞，且极少将正常细胞误认为镰状细胞。事实上，该系统的表现非常出色，几乎不会混淆这两类细胞；其大部分错误并非源于混淆细胞类型，而是因为漏掉了部分被遮挡的细胞，或者是因为它识别出了那些由于形状模糊而被人类专家刻意留作未标记的细胞。这一发现强调了一个关键点：数据的质量和图像准备过程中的细致程度与计算机程序本身同样重要。研究人员发现，仅仅扩大计算机模型的规模并不总是能带来更好的效果；在某些情况下，过度的复杂性会导致模型只是记住了训练图像，而不是学会了细胞形状的一般规律。
这项研究证明，构建一个可靠的、自动化的镰状细胞检测系统是可行的，即使在拥挤和复杂的图像中也能表现良好。团队强调，他们的成功高度依赖于一个标准化的流程，从血液的制备方式到图像的标注方式。虽然该系统在针对其训练的特定图像上表现异常出色，但研究人员指出，现实世界的医疗环境在光照和设备方面可能存在很大差异。因此，他们建议，该方法是一个强大的基础，但在广泛应用于临床之前，还需要在更大规模、更多样化的患者群体中进行进一步测试。通过提供一种分析血液涂片的清晰且可重复的方法，这项工作为使镰状细胞病的监测更加客观和普及提供了充满希望的一步，有望帮助医生以更高的连贯性追踪疾病进展及治疗效果。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。