ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ В ДИАГНОСТИКЕ ЗАБОЛЕВАНИЙ КРОВИ: АНАЛИЗ МАЗКОВ И РАСПОЗНАВАНИЕ БЛАСТОВ
Keywords:
искусственный интеллект, нейросети, диагностика крови, бласты, мазки крови, точность, биофизика, автоматизация.Abstract
В работе представлен современный подход к диагностике заболеваний крови с применением искусственного интеллекта (ИИ), фокусируясь на распознавании патологических клеток (бластов) в мазках крови. Мы предложили уникальный метод мультифазного анализа, объединяющий нейросетевую сегментацию, биофизические параметры клеток и их морфологические особенности, что позволяет повысить точность диагностики по сравнению с традиционным визуальным анализом врачом. Используя глубокие сверточные нейросети (CNN), мы провели автоматическую классификацию тысяч клеток из мазков крови пациентов с различными формами лейкемий и миелодиспластических синдромов. Результаты показывают, что точность ИИ достигает 95–98%, превосходя средний результат диагностики врачей (85–90%). В работе представлена таблица «Точность ИИ vs врач» и иллюстрации работы нейросети на реальных мазках, демонстрирующие распознавание бластов и их классификацию. Такой подход открывает новые перспективы интеграции биофизических методов и ИИ в клиническую практику, повышая скорость и объективность диагностики.
Downloads
References
Litjens G., Kooi T., Bejnordi B.E., et al. A survey on deep learning in medical image analysis. Medical Image Analysis.
Esteva A., Robicquet A., Ramsundar B., et al. A guide to deep learning in healthcare. Nature Medicine.
Гордеева Т.А., Иванова Е.Н. Искусственный интеллект в гематологии. Иммунология и аллергология.
Rivenson Y., Zhang Y., Günaydın H., et al. Phase recovery and holographic image reconstruction using deep learning in optical microscopy. Light: Science & Applications.
Shaban M., Baur C., Navab N. COVID-19 detection from blood smear images using deep learning. Scientific Reports.
Downloads
Published
How to Cite
Issue
Section
License
This work is licensed under a Creative Commons Attribution 4.0 International License.
All content published in the Journal of Applied Science and Social Science (JASSS) is protected by copyright. Authors retain the copyright to their work, and grant JASSS the right to publish the work under a Creative Commons Attribution License (CC BY). This license allows others to distribute, remix, adapt, and build upon the work, even commercially, as long as they credit the author(s) for the original creation.
