Page 8 - 南京医科大学自然版
P. 8

第44卷第9期
               ·1180 ·                           南 京    医 科 大 学 学         报                        2024年9月


              分拣和生物计量学定量分析，前者因主观判别意                             ④无发热不适；⑤距上次献血间隔≥6 个月；⑥血常
              识与经验上存在差异，存在疑似溶血血浆临床注                             规、肝功能、表面抗原等检查正常；⑦丙肝抗体阴
              射和正常血浆误判浪费的现象；后者费时耗力，只                            性、梅毒抗体阴性、人免疫缺陷病毒抗体阴性；⑧献
              能进行抽检     ［2-3］ 。                                 血前无用药、饮酒等。排除标准：①视觉影像模糊
                  近年来，医学成像辅助诊断（medical imaging                  程度大，图像质量差；②隔日存储的血浆样本。根
              assisted diagnosis，MAD）技术飞速发展，特别是深度               据纳入排除标准共收纳血浆样本 827 例，并完成血
              学习（deep learning，DL）与生物影像相结合，医生可                  红蛋白含量测定，依据 0.25 g/L 含量为定性准则，
              快速对医学影像进行分析、术中计算机辅助诊断病                            低于该含量为正常血浆，反之为疑似溶血血浆。
                        ［4］
              灶。Chen等 提出一种将细胞神经和变换器相结合                          其中疑似溶血血浆样本517例，疑似非溶血血浆样
              的Pact⁃Net网络，基于改进局部和全局特征的方法，                       本 310 例，图像大小全部为 2 592×1 944 像素，以
                                                   ［5］
              用于皮肤类疾病的图像分割。Lonseko 等 提出一                        BMP格式存储。每个图像都分别由3位血液制备和
              种基于 U⁃Net++的语义分割优化框架，适用于胃肠                        医学影像医师进行标注与校对，所有标注通过 La⁃
              镜食管癌早期的图像分割。Tang等 提出了一种卷                          belme软件完成。按3∶1划分训练集和测试集，训练
                                             ［6］
              积自动编码器，来提取不同食管病变内镜图像的表                            集样本620个（其中疑似溶血样本387个，疑似非溶
              示特征，提出的 CLELNet 算法由共享层和任务特定                       血样本 233 个），测试集样本 207 个（其中疑似溶血
              层组成，在内镜病变图像上取得了不错的效果。                             样本130个，疑似非溶血样本77个）。
                   ［7］
              Ren等 提出了一种基于神经网络特征融合的双峰                           1.2 方法
              方法，用于内镜超声图像中胰腺实体瘤的分割，并对                           1.2.1 样本制备
              胰腺导管腺癌、神经内分泌肿瘤和实体性假乳头状肿                                流程如图 1 所示，制备血红蛋白溶液并用血浆
                                                    ［8］
              瘤3种类型的胰腺实体瘤进行分类。Ma等 引入了                           游离血红蛋白测定试剂盒（北京瑞尔达生物科技有
              一个基于ResNet⁃50的引导注意力深度网络，用于早                       限公司，批号：231023）测定其浓度；以临床医用血
              期癌症的精确预测和特征提取，将轻量级注意力模块                           浆为基础，向其加入血红蛋白溶液，制备9组200 mL
              和多尺度特征提取器与U⁃Net相结合，用于早期癌症                         梯度含量血红蛋白血浆（图2A）；制备过程的每个工
              病理区的像素级分割。                                        序都对其进行成像留存，成像环境为暗室条件下稳
                  GB18469⁃2012《全血及成分血质量要求》中规                    定偏振光源；吸取每组血浆袋内1 mL溶液移至2 mL
              定，正常血浆的外观为“呈黄色澄清液体，无色泽异                           的离心管中，制作血浆血红蛋白梯度比色板卡（图
              常、蛋白析出、气泡及重度乳糜”。一般来说，疑似                           2B），以该比色板卡为定性标准。
              溶血血浆外观会呈现出红色或粉红色，这是因为血                            1.2.2 机器学习方法
              红蛋白释放所致。因此，观察血浆的颜色，可以在                            1.2.2.1 改进型注意力（coordinate attention，CA）机制
              一定程度上判断是否存在疑似溶血现象，但缺乏客                                 采用 CA 机制方式进行特征图像精准区域捕
              观性。                                               获 ［11］ ，将最大池化（max pool）函数引入 CA 模块
                  本研究摒弃了部署时间相对较长的分类器方法，                        （图 3）。
                                         ［9］
              设计了一种基于改进型 U⁃Net 与变色油墨（color⁃                          通道注意力通常使用全局池化对空间映射信
                              ［10］
              changing ink，CCI） 相结合的血浆判别模型，针对                   息进行全局编码，但池化后难以保存区位信息                       ［12］ ，
              计算方式进行寻优对比分析，且与其他 2 种机器学                          全局池化如式（1）。
              习方法进行对比，旨在较短时间内以较高的准确率                                        1   H  W
                                                                                    x
                                                                     z ( ) h =  ∑∑ c(i，j  )               （1）
                                                                     c
              完成血浆定性判别。                                                    H ⋅ W  i = 1 j = 1
                                                                     最大池化协同注意力在特征空间上捕捉精准
              1  材料和方法
                                                                位置信息     ［13］ ，将全域池化分解为特征图 X 轴方向
              1.1  材料                                          ［kernel（Hx，1）］和 Y 轴方向［kernel（1，Wy）］分别进行
                  血浆样本及其视觉影像资料来源于苏州市中                           最大池化操作，获取坐标中的区位信息。X轴、Y轴
              心血站无偿献血血浆。纳入标准：①年龄 18~65 周                        一维特征向量如式（2）、（3）。
              岁；②成年男性体重>50 kg，成年女性体重>45 kg；                                 ö
                                                                     h æ 1
                                                                                 x
                                                                     z = ç  ÷ ∑ (h，i   )                  （2）
                                                                                  c
                                                                     c
              ③血压 90~139/60~89 mmHg，脉搏 60~100 次/min；                    è W y  ø 0 ≤ i ≤ W y
   3   4   5   6   7   8   9   10   11   12   13