血常规AI图像识别初探

最近几个月的出现ChatGPT ，在我看来颠覆了我们的生活和工作。医学领域的人工智能应用是相对落后的。

所以未来这方面的探索空间还是非常大的，例如：智能的医学问答系统，帮助医生更加高效准确的病例分析和诊断；也可以用于医学文献的翻译和分析，方便的获取其他语种的文献资料。不过今天我们来探索一下另外一方面的应用，图像识别，具体点说就是血常规中白细胞的AI分类识别。

我这里准备了554张已经分类好的细胞图片，是我科室王福义和岳金老师提供的，我选出来了23张图片作为测试，所以参与模型训练的图片为531张。

经过了我2-3个小时的标注，然后在经历了3小时的训练，我得到了这个，用531张图片训练好的识别模型。目前的分类包括，他可以识别（浆细胞、嗜酸、嗜碱、淋巴、单核、分叶、有核红、血小板等等）

接下来，我们验证一下训练的效果吧。找到之前预留的用于测试的23张图片，上传让其识别。

血小板聚集上传，识别成功，我们还可以调整阈值，让其识别的匹配精度降低，我们可以看到识别的匹配就更多了。

分叶粒细胞上传，识别不准确，中间区域识别为了涂抹细胞。

大血小板上传，识别成功。

嗜酸性粒细胞上传，识别成功。

嗜碱性粒细胞上传，识别成功。

有核红细胞上传，识别成功。

以上都是单细胞的识别，那么一张图片中如果出现了2个WBC能否识别出来呢？我们把有核红细胞和嗜酸性粒细胞合并成一张图片上传，让其识别一下。可以看到，也是可以识别的。

通过以上的实验，我想说的是，通过AI 识别白细胞分类，是可行的。但还需要加大训练的种类和数量，使其不断优化，提高识别准确率，除此之外，我们检验科中还可以应用于其他方面，例如骨髓、尿、寄生虫等方向。那么，AI的临床应用你觉得还远么？

我是检验大叔，分享检验工作的奇思妙想，我们下期见。