权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

AI造血器疾患自動診断システムの構築

AI造血系统疾病自动诊断系统构建

基本信息

批准号：
20K20230
负责人：
堀内裕紀
金额：
$ 2.66万
依托单位：
Juntendo University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Early-Career Scientists
财政年份：
2020
资助国家：
日本
起止时间：
2020-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

我々はAI深層学習技術を用いて末梢血AI血球形態自動分析システム(AI自動分析システム)を開発してきた。本研究では、このシステムを利用し、実際の日常検査標本においての細胞分類性能と異常細胞検出能を評価した。方法:約100万細胞のデジタル画像を学習してAI自動分析システム（細胞分類と形態異常コメントを提示）を構築した。末梢血塗抹標本から血液像自動分析装置DI-60によりデジタル細胞画像を取得した。AI自動分析システムの評価には、日常検査で目視検査を施行した末梢血塗抹標本589検体（ALL 26、AML 52、Lymphoma 84、MDS 97、MPN 50、造血器腫瘍以外 66、正常検体214）から得られた139,378 画像を用いた。血液検査技師（3名）による評価との一致率を求めた。結果：細胞分類能の一致率は全17分類で97.3%以上であった。異常コメントの一致率は、悪性リンパ腫群ではリンパ球異常コメント12種類のうち11種類が90%以上、MDS群では成熟好中球異常コメント16種類のうち12種類が90%以上であった。検査室で異常細胞ありと判断された標本は118枚で、そのうち115枚（97.5％）は、AI自動分析システムが1細胞以上の『芽球』を検出した。AIで芽球が検出できなかった3標本は検査室でも『芽球』ではなく『形質細胞様細胞』として異常細胞が検出された標本であった。AI自動分析システムはこの3標本中2標本において「形質細胞様」というリンパ球異常コメントを付与していた。AI自動分析システムを用いて細胞判別とともに異常コメントを使用することによって118標本中117標本(99.2%)の異常細胞を検出することができた。これより本システムは「標本単位」での異常検出に十分活用できる可能性が示唆され、来年度以降は偽陽性の軽減、多施設でのロバストネス評価も行っていく。

The AI deep learning technology is applied to the development of the AI blood cell morphology automatic analysis system In this study, we evaluated the cell classification performance and abnormal cell detection performance in daily inspection. Methods: About 1 million cell profiles were studied and AI was used to construct automatic analysis system (cell classification and morphological abnormality detection system). DI-60 Automatic blood image analyzer for peripheral blood smear AI automatic analysis of the status of the evaluation, daily inspection and visual inspection were carried out until the peripheral blood smear 589 samples (ALL 26, AML 52, Lymphoma 84, MDS 97, MPN 50, hematopoietic tumor 66, normal samples 214) were obtained. Blood test technicians (3), evaluation and agreement rate. Results: The concordance rate of cell classification ability was more than 97.3% for all 17 classifications. The consistency rate of abnormal group is more than 90% for 12 kinds of abnormal group, and more than 90% for 12 kinds of abnormal group. 118 abnormal cells were detected in the inspection room, 115 (97.5%) in the inspection room, and more than 1 cell in the AI automatic analysis room. AI is the first time a cell has been detected in a cell. AI automatic analysis of the three types of cells, two types of cells, three types of cells, four types of cells, four types of cells, AI automatic analysis of abnormal cells in the detection of abnormal cells in 118 cases (99.2%). This article describes the possibility of abnormal detection in the "single position", and the possibility of abnormal detection in the next year.

项目成果

期刊论文数量（5）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

Evaluation of Blood Cell Classification Performance and Detection of Abnormal Hematopoietic Cells in Peripheral Blood Smears by a Novel Automated Image Analysis System Using Deep Convolutional Neural Network

利用深度卷积神经网络的新型自动图像分析系统评估血细胞分类性能并检测外周血涂片中的异常造血细胞

DOI：
发表时间：
2023
期刊：
影响因子：
0
作者：
Yuki Horiuchi;Kenji Tayama;Akihiko Matsuzaki;Kumiko Nishibe;Kimiko Kaniyu;Yosuke Iwasaki;Aya Konishi;Yoko Tabe
通讯作者：
Yoko Tabe

A novel multi-modal deep learning diagnostic support system for MDS and MPN using CBC related parameters and cell morphology.

一种使用 CBC 相关参数和细胞形态的新型 MDS 和 MPN 多模态深度学习诊断支持系统。

DOI：
发表时间：
2020
期刊：
影响因子：
0
作者：
Konobu Kimura;Tomohiko Ai ;Yuki Horiuchi ;Akihiko Matsuzaki ;Kumiko Nishibe ;Kimiko Kaniyu ,Setsuko Marutani ;Ikki Takehara ,Kinya Uchihashi ;Akimichi Ohsaka ;Yoko Tabe .
通讯作者：
Yoko Tabe .

AI/深層学習を応用した末梢血液形態の自動解析と骨髄異形成症候群および骨髄増殖性疾患の診断支援の試み．

尝试利用人工智能/深度学习自动分析外周血形态，支持骨髓增生异常综合征和骨髓增生性疾病的诊断。