MIML: Multiplex Image Machine Learning for High Precision Cell Classification via Mechanical Traits within Microfluidic Systems

要約

ラベルフリーの細胞分類は、さらなる使用または検査のために手付かずの細胞を供給するのに有利ですが、既存の手法は、特異性と速度の点でしばしば不足しています。
この研究では、新しい機械学習フレームワークの開発、多重画像機械学習（MIML）の開発を通じてこれらの制限に対処します。
このアーキテクチャは、ラベルフリーのセル画像と生体力学的特性データを独自に組み合わせており、各セルに固有の広大で十分に活用されていない形態学的情報を活用しています。
両方のタイプのデータを統合することにより、私たちのモデルは、従来の機械学習モデルで通常破棄される形態情報を利用して、細胞特性をより全体的に理解することを提供します。
このアプローチにより、セル分類における98.3％の精度が顕著になりました。これは、単一のデータ型のみを考慮するモデルよりも大幅に改善されています。
MIMLは、白血球および腫瘍細胞の分類に効果的であることが証明されており、その固有の柔軟性と転送学習能力のために、より広範な適用の可能性があります。
これは、同様の形態があるが異なる生体力学的特性を持つ細胞に特に効果的です。
この革新的なアプローチは、疾患の診断を進めることから細胞の挙動の理解まで、さまざまな分野で重要な意味を持っています。

要約(オリジナル)

Label-free cell classification is advantageous for supplying pristine cells for further use or examination, yet existing techniques frequently fall short in terms of specificity and speed. In this study, we address these limitations through the development of a novel machine learning framework, Multiplex Image Machine Learning (MIML). This architecture uniquely combines label-free cell images with biomechanical property data, harnessing the vast, often underutilized morphological information intrinsic to each cell. By integrating both types of data, our model offers a more holistic understanding of the cellular properties, utilizing morphological information typically discarded in traditional machine learning models. This approach has led to a remarkable 98.3\% accuracy in cell classification, a substantial improvement over models that only consider a single data type. MIML has been proven effective in classifying white blood cells and tumor cells, with potential for broader application due to its inherent flexibility and transfer learning capability. It’s particularly effective for cells with similar morphology but distinct biomechanical properties. This innovative approach has significant implications across various fields, from advancing disease diagnostics to understanding cellular behavior.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google