ЖурналыПодпискаАрхивКнигиПроектыО насРекламаДоставка/ОплатаКонтакты
+7 (495) 482-43-29
  • Главная
  • / Журналы
  • / Вернуться в журнал
  • / Содержание номера
  • / Статья
Подсчет лейкоцитарной формулы при помощи машинного обучения с использованием смартфона

Подсчет лейкоцитарной формулы при помощи машинного обучения с использованием смартфона

Авторы:
Глазкова А.И.,
Елена Анатольевна Лукьянова,
Артемьева О.А.,
Денисова О.В.,
Жалялов А.С.

Журнал: Лабораторная служба. 2022;11(2):53-55.

DOI: 10.17116/labs20221102153

Прочитано: 2269 раз

Скачать PDF

Резюме

ВВЕДЕНИЕ

Подсчет лейкоцитарной формулы является одним из важнейших исследований, проводимых клинико-диагностическими лабораториями, которое может быть автоматизировано при помощи систем на основе искусственного интеллекта.

ЦЕЛЬ ИССЛЕДОВАНИЯ

Провести сравнительный анализ точности подсчета лейкоцитарной формулы, полученной с использованием устройства Celly на основе смартфона и ручным методом.

МАТЕРИАЛ И МЕТОДЫ

В ходе исследования проанализированы 113 образцов крови. Для оценки корреляции подсчета лейкоцитарной формулы между устройством и врачом-экспертом использовался квадрат коэффициента Пирсона r2.

РЕЗУЛЬТАТЫ И ЗАКЛЮЧЕНИЕ

Исследование продемонстрировало высокую точность подсчета лейкоцитарной формулы с помощью Celly. С практической точки зрения данный метод может широко применяться в лабораториях для автоматизации ручного анализа.

Ключевые слова

  • лейкоцитарная формула
  • компьютерное зрение
  • смартфон
  • искусственный интеллект

Дата поступления: 01.02.2022

Дата принятия в печать: 27.04.2022

Дата публикации: 01.06.2022

Ручная микроскопия мазков крови является трудоемким и затратным по времени процессом [1—4]. Кроме того, качество подсчета лейкоцитарной формулы зависит от квалификации врача, а результат субъективен [5]. Автоматизированные системы по анализу мазков крови существуют [1—4], но из-за высокой стоимости их проникновение в лабораторную практику крайне мало. В связи с этим существует острая необходимость в недорогих устройствах по автоматическому анализу мазков крови. Одним из таких устройств является Celly, система на основе смартфона, подключающаяся к микроскопу и позволяющая автоматически проводить подсчет лейкоцитарной формулы.

Цель данного исследования — оценка точности подсчета лейкоцитарной формулы при помощи устройства Celly по сравнению с ручным методом.

Устройство Celly

Система Celly состоит из iPhone XR, адаптера для подключения к микроскопу [6], мобильного приложения и веб-портала [7].

Приложение анализирует поля зрения микропрепарата следующим образом: изображение обрезается на 20% по краям для удаления темных областей, далее детекционная нейросеть на основе MobileNet Single Shot Detector (MobileNetSSD) определяет расположение лейкоцитов, после этого изображения клеток передаются на веб-портал, где классификационная сверточная нейронная сеть (CNN) распределяет клетки по классам. Для тренировки нейросетей использовалось более 200 тыс. клеток крови с аугментацией по геометрии (повороты, зеркалирование) и цвету (яркость, контраст), что позволило получить нейросети, устойчивые к вариациям формы клеток и их степени окраски. На финальном этапе врач проводит валидацию клеток на веб-портале, проверяя корректность классификации.

Дизайн исследования и статистический анализ

Сравнительное исследование проводилось на базе клинико-диагностической лаборатории «ДиаЛаб». Были проанализированы 113 образцов периферической крови, отобранные геманализатором Sysmex XN-2000 5diff для дополнительного морфологического исследования. Образцы анализировались при 100x иммерсионном увеличении врачом лабораторной диагностики (более 5 лет опыта работы) и устройством Celly (рисунок на цв. вклейке). Подсчитывалось по 100 лейкоцитов в каждом образце, рассчитывалось процентное соотношение клеток в мазках и оценивалось сходство результатов между автоматизированным анализом Celly и ручным подсчетом при помощи квадрата коэффициента Пирсона r2. Результаты сравнивались с литературными данными.

Принцип работы Celly.

а — система сканирует микропрепарат; б — мобильное приложение определяет и подсчитывает клетки; в — врач подтверждает результат на портале.

Результаты и обсуждение

В таблице приведены значения r2 при сравнении подсчета лейкоцитарной формулы устройством Celly и врачом КЛД. Результаты, полученные с использованием Celly, показывают высокую корреляцию с ручным подсчетом для всех клеток за исключением базофилов. В таблице также приведены данные о корреляции результатов подсчета лейкоцитарной формулы, выполненного 73 специалистами из 5 лабораторий [5]. Сравнение полученных данных с литературными позволяет заключить, что определение типа клеток устройством Celly по всем видам клеток за исключением базофилов как минимум сопоставимо с использованием ручного подсчета. Из-за малого числа базофилов (0,4% от общего числа клеток в мазках [9]) погрешность при определении данного класса оказалась выше, чем для других типов лейкоцитов. Более точный результат по базофилам возможен при большем количестве исследуемых образцов. Кроме этого, в исследуемую выборку попало 2 пациента с бластными клетками. Важно, что устройство Celly также отметило в этих образцах наличие бластных клеток.

Корреляция подсчета лейкоцитарной формулы при помощи Celly и ручного метода. Celly—Человек: корреляция результатов Celly и ручного подсчета, Человек—Человек: корреляция подсчета лейкоцитарной формулы между 73 врачами на основании данных исследования Koepke и др. [5]

Тип лейкоцитов

Celly — Человек

Человек — Человек

Нейтрофилы

0,88

0,87

Лимфоциты

0,83

0,73

Моноциты

0,46

0,41

Эозинофилы

0,86

0,83

Базофилы

0,09

0,32

Бласты

0,85

—

Заключение

Разработки в области применения систем компьютерного зрения для анализа образцов крови играют важную роль в автоматизации рутинных процессов микроскопии и получении результатов с высокой точностью и надежностью. Проведенное исследование продемонстрировало достаточно высокую точность подсчета лейкоцитарной формулы с использованием автоматизированного подхода Celly по сравнению с ручным методом. Низкая стоимость решения позволит внедрять автоматизацию в лаборатории с ограниченным бюджетом.

Авторы заявляют об отсутствии конфликта интересов.

Литература / References
  1. Alcaide Martín, María José, Altimira Queral, Laura, Sahuquillo Frías, Laura, Valiña Amado, Laura, Merino, Anna and García de Guadiana-Romualdo, Luis. «Automated cell count in body fluids: a review» Advances in Laboratory Medicine. Avances en Medicina de Laboratorio. 2021;2:2:149-161. https://doi.org/10.1515/almed-2021-0011
  2. Blumenreich MS. The White Blood Cell and Differential Count. In: Walker H.K., Hall W.D., Hurst J.W., editors. Clinical Methods: The History, Physical, and Laboratory Examinations. 3rd edition. Boston: Butterworths; 1990. Chapter 153. https://www.ncbi.nlm.nih.gov/books/NBK261/
  3. Chernecky CC, Berger BJ. Differential leukocyte count (diff) — peripheral blood. In: Chernecky C.C., Berger B.J., eds. Laboratory Tests and Diagnostic Procedures. 6th ed. St Louis, MO: Elsevier Saunders; 2013.
  4. Lee LH, Mansoor A, Wood B, Nelson H, Higa D, Naugler C. Performance of CellaVision DM96 in leukocyte classification. J Pathol Inform. 2013;4:14. Published 2013 Jun 29. https://doi.org/10.4103/2153-3539.114205
  5. Koepke JA, Dotson MA, Shifman MA. A critical evaluation of the manual/visual differential leukocyte counting method. Blood Cells. 1985;11(2):173-186. PMID: 3834960.
  6. Документация к Celly.AI.
  7. Адаптер для микроскопа.
  8. Коэффициент детерминации r2 Википедия. Accessed April 26, 2022.
  9. Prinyakupt J, Pluempitiwiriyawej C. Segmentation of white blood cells and comparison of cell morphology by linear and naïve Bayes classifiers. BioMed Eng OnLine. 2015;14:63. https://doi.org/10.1186/s12938-015-0037-1
slide-cover
slide-cover
slide-cover

Рекомендуем статьи по данной теме:

Электронная аускультация легких в пульмонологии: от клинического навыка к цифровой диагностике.Респираторная медицина. 2026;2(2):47-55

Искусственный интеллект в респираторной медицине.Респираторная медицина. 2026;2(2):21-29

Онкоскрининг и раннее выявление рака слизистой оболочки рта методом анализа фотоизображений с применением нейросетей.Российская стоматология. 2026;19(2):12-16

Оценка эффективности цифровых технологий и искусственного интеллекта для использования в режиме реального времени в скрининге рака шейки матки.Онкология. Журнал им. П.А. Герцена. 2026;15(3):43-49

Прогнозирование 90-дневной послеоперационной летальности после эзофагэктомии с использованием технологии машинного обучения: сравнительная оценка модели с зарубежными аналогами.Онкология. Журнал им. П.А. Герцена. 2026;15(3):22-26

Цифровые технологии в диагностике и лечении нарушений сна при посттравматическом стрессовом расстройстве.Журнал неврологии и психиатрии им. С.С. Корсакова. Спецвыпуски. 2026;126(5-2):87-94

Предиктивная эпилептология: формирование новой парадигмы управления эпилептическими приступами.Журнал неврологии и психиатрии им. С.С. Корсакова. 2026;126(5):14-20

Прогнозирование успеха дентальной имплантации с использованием искусственного интеллекта и машинного обучения.Российская стоматология. 2026;19(1-2):165-173

Роль 3D-технологий и цифровых баз данных в современной судебной стоматологии (обзор литературы).Стоматология. 2026;105(2):60-64

Искусственный интеллект и современные хирургические энергии при лечении женщин репродуктивного возраста с аденомиозом и миомой матки (обзор литературы и собственные данные).Проблемы репродукции. 2026;32(2):17-42

Издательство «Медиа Сфера»
РекламаДоставка/ОплатаО насКонтактыОбучение для редакцийПолитика конфиденциальностиПолитика обработки персональных данныхПубличная оферта на реализацию издательской продукции
ЖурналыПодпискаАрхивКнигиПроекты
  • RuStore

© 1998-2026

  • Телефоны издательства:

  • +7 (495) 482-41-18
  • +7 (495) 482-43-29
  • Прямой телефон отдела подписки
    (только по вопросам заказов и доставки журналов)

  • +7 (800) 250-18-12
  • пн-пт с 10:00 до 18:00

  • Telegram
  • VK
info@mediasphera.ru
  • Почтовый адрес:

  • Издательство «Медиа Сфера»,
    а/я 54, Москва, Россия, 127238

  • RuStore

© 1998-2026