基于中性粒细胞形态构建识别骨髓增殖性肿瘤的深度学习模型

费城染色体阴性的骨髓增殖性肿瘤(myeloproliferative neoplasm,MPN)是一组造血干细胞克隆性疾病,通常会导致一系或多系血细胞数量异常增高,主要包括原发性血小板增多症(Essential thrombocytosis,ET),真性红细胞增多症(Polycythemia Vera,PV)和原发性骨髓纤维化(Primary Thrombocytosis,PMF)。目前MPN主要依据临床表现、血液学改变、组织病理及出现典型的基因突变等来诊断。最近很多文献已经讨论了FG-4592临床试验MPN的发生发展与炎症密切相关,甚至有学者认为MPN中炎症对造血干细胞的损伤早于基因突变的发生。Dragana等人~([1])强调了中性粒细胞在MPN发生发展的重要性。此外,目前的研究提示肿瘤患者中存在三种异质性中性粒细胞。近几年来人工智能迅速发展,这一前沿技术也逐渐被应用于医学领域各个方面。人工智Inorganic medicine能中的深度学习拥有无与伦比的信息挖掘能力,无需依靠人为选择特征能够自动的去抓取潜在信息。在图像分类、目标检测及语义分割发挥了重要作用。越来越多的研究也证实了深度学习算法在血液病中鉴别不同细胞形态精确度和灵敏度可高达90%以上,达到甚至超越专家水平。本研究提出了基于中性粒胞形态构建识别骨髓增殖性肿瘤的深度学习模selleckchem Dibutyryl-cAMP型判断患者是否为MPN以及MPN亚型新方法。我们选择的Pico Det深度学习目标检测方法达到了很好的分类预测效果。因此深度学习可以实现辅助MPN的诊断及分型。