Анализ неокрашенных мазков крови: обзор методов на основе правил, машинного обучения и глубокого обучения

Unstained Blood Smear Analysis: A Review of Rule‐Based, Machine Learning, and Deep Learning Techniques
Thomas Wilhelm Bocklitz, Husnu Baris Baydargil
2025-06-30

классификация клеток кровисегментация клеток кровиглубокое обучениебесконтрастная визуализацияанализ неокрашенных мазков крови
Клетки крови играют ключевую роль в транспорте кислорода, иммунной защите и гемостазе. Их количество и морфология служат чувствительными биомаркерами, поэтому точные сегментация и классификация имеют essentialное значение для гематологической диагностики. Биофотонные методы теперь обеспечивают получение изображений неокрашенных мазков без применения меток за счёт использования собственного фазового контраста и контраста рассеяния, однако такие изображения характеризуются слабым оптическим сигналом и незначительными морфологическими вариациями, что усугубляет ошибки сегментации. Тем не менее методы визуализации без меток сохраняют контраст в случаях, когда красители оказываются неэффективными, что обусловливает возобновление интереса к рабочим процессам с использованием неокрашенных образцов. В настоящем обзоре анализируются подходы на основе правил, машинного обучения и глубокого обучения к сегментации и классификации клеток крови без меток с акцентом на повышение эффективности, сохраняющиеся проблемы и перспективные направления для внедрения в клиническую практику.
1
Точная сегментация и классификация клеток крови необходимы, поскольку их количество и морфология являются чувствительными биомаркерами гематологических заболеваний.
2
Биофотонная визуализация позволяет анализировать неокрашенные мазки крови без меток, используя собственный фазовый и светорассеивающий контраст.
3
Методы без окрашивания могут сохранять диагностически значимый контраст там, где окрашивание оказывается неэффективным, однако для клинического внедрения сохраняются существенные проблемы.
4
В обзоре сравниваются методы на основе правил, машинного обучения и глубокого обучения для сегментации и классификации клеток крови без меток.
5
Неокрашенные изображения часто характеризуются низким оптическим сигналом и слабыми морфологическими различиями, что увеличивает число ошибок сегментации.

безметочные изображения неокрашенных мазков крови и содержащиеся в них клетки крови

сегментация и классификация клеток крови на основе собственного фазового контраста и контраста рассеяния, включая эффективность, проблемы и клиническое внедрение

Publication Details
Publication Date
2025-06-30
Journal
Publisher
ISSN
Cited by
7
Access Type
Author Information
Authors
Thomas Wilhelm Bocklitz
Husnu Baris Baydargil
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%