HemAutomaton框架实现全片白细胞自动提取，参数减少逾万倍

Deutges、Ghete、Namsaraeva等提出基于神经细胞自动机的HemAutomaton框架，可在无需人工选取区域、标注需求极少的条件下，从血液与骨髓涂片的全切片图像中提取白细胞。研究称，该框架在域内检测精度上与Faster R-CNN相当，在域偏移下则优于后者，计算成本仅为后者一小部分，参数量少逾1万倍。作者在三个血癌队列中提取逾1亿张单细胞图像，并借助预训练血液学基础模型以少样本分类实现标注高效的分类计数。全片空间分析显示涂片中存在一致的原始细胞频率梯度，自动原始细胞计数与专家评估的差异处于专家间变异范围内。作者称，将自动分析从每张涂片数百个细胞扩展至数万个细胞，可突破传统采样限制。