使用名为深度学习的计算方法，科学家开发了一种新系统，将患者血液中红细胞的形状分类。这项发表在《PLOS Computational Biology》的研究可能帮助医生监测镰状细胞病患者。

镰状细胞病患者产生形状不正常的僵硬红细胞，积累并阻塞血管，造成疼痛，有时致死。此病被命名为镰状（新月形）细胞病，其实也有许多其他形状，比如椭圆或瘦长的红细胞。在患者中发现的特定形状是其疾病严重程度的线索，但很难将这些形状人工分类。

为了使确定红细胞形状的过程自动化，中国东北大学的Mengjia Xu和同事开发了使用深度卷积神经网络（CNN）这一机器学习工具的计算框架。

新框架用3个步骤在血液显微图像中分类红细胞形状。首先，其从每个图像的背景中区分红细胞。然后，在单个细胞检测中，其放大或缩小，知道全部细胞图像为统一大小。最后，其使用深度CNNs将细胞按形状进行分类。

研究者使用来自8位镰状细胞病患者的7000张显微图像验证了新工具。他们发现，自动方法成功分类了充满氧气和缺少氧气的细胞的红细胞形状。

研究共同作者George Karniadakis说，我们开发了首个自动确定和分类红细胞改变的深度学习工具，因此为疾病严重程度提供了直接定量证据。

研究小组计划进一步改善深度CNN工具，在红细胞形状和大小改变的其他血液病中进行测试，如糖尿病和HIV。他们也计划在描述癌症细胞中探索其有用性。

研究题为《A deep convolutional neural network for classification of red blood cells in sickle cell anemia》。

（环球医学编辑：丁好奇 ）

未经授权，不得转载！