Mit Deep Learning Blutkrankheiten besser verstehen
Oktober 2019
Helmholtz Zentrum München, München, Deutschland(1)
LMU Munich, München, Deutschland(2)
LMU Munich, München, Deutschland(2)
Die Autoren erstellten einen Datensatz mit 18.000 Bildern einzelner Leukozyten von 100 Patienten mit diagnostizierter akuter myeloischer Leukämie und von 100 Kontrollpatienten. Die Proben wurden digitalisiert und verwendet, um ein Deep-Learning-Netzwerk für die Leukozytenklassifizierung zu trainieren. Das Netzwerk klassifiziert die wichtigsten Zelltypen mit hoher Genauigkeit und identifiziert Pathologien genauso gut, wie manuell durch Personal durchgeführt. Dieser Ansatz birgt das Potenzial, als Klassifizierungshilfe für die Untersuchung einer viel größeren Anzahl von Zellen in einem Abstrich verwendet zu werden, als dies normalerweise von einem menschlichen Experten durchgeführt werden kann. Auf diese Weise können Ärzte bösartige Zellpopulationen mit geringerer Prävalenz in einem früheren Stadium der Krankheit erkennen.
Human-level recognition of blast cells in acute myeloid leukaemia with convolutional neural networks
Carsten Marr(1), Karsten Spiekermann(2)
Christian Matek et al. Nature Machine Intelligence 2019 [1]
Cancer Imaging Archive [2]
Chemie.de [3]
Eingestellt am: 17.12.2020
[1] https://www.nature.com/articles/s42256-019-0101-9[2] https://wiki.cancerimagingarchive.net/pages/viewpage.action?pageId=61080958[3] https://q-more.chemie.de/q-more-artikel/329/mit-deep-learning-blutkrankheiten-besser-verstehen.html
