卷积神经网络在急性髓系白血病流式细胞术自动诊断中的应用

Application of convolutional neural network in flow cytometry diagnosis of acute myeloid leukemia

二维码有效期 120s

摘要目的建立卷积神经网络(CNN)模型对流式细胞术(FCM)数据进行自动分析,实现急性髓系白血病(AML)的初步诊断,探究将CNN模型应用于FCM数据分析中的可行性.方法以FlowRepository数据库和新疆维吾尔自治区人民医院临床检测中心获得的骨髓FCM数据进行CNN应用的探索性研究,数据均已被临床确诊是否患有AML.其中,公开数据按照6 ∶ 2 ∶ 2 划分训练集、验证集和测试集,本地数据作为外部测试集;为了使 FCM 数据能够适应 CNN 模型,提出一种基于图像矩阵原理的FCM数据结构,对原始数据进行预处理后,提取与AML初步诊断相关的变量,包括侧向散射光和CD45、CD13、CD33、HLA-DR、CD117、CD34 的各抗原表达水平,将各变量写入矩阵;对训练集使用细胞抽样和数据增强方法增大样本量,在Python中使用keras软件包构建LeNet-5 CNN模型,将训练集和验证集分别用于模型的训练和调参,评价模型在测试集上的性能.结果 CNN在两测试集上识别AML的准确率分别为0.931、0.851,灵敏度为0.667、0.636,特异度为 0.968、0.940,受试者工作特征曲线下面积(AUC)为 0.940 和 0.917.结论基于提出的FCM数据结构,CNN 模型能够实现对 AML 的初步诊断,表明CNN在FCM数据分析中具有一定的应用价值.