跟踪肿瘤细胞并解开隐藏信息

在癌症患者的血液中循环的肿瘤细胞是早期诊断，治疗成功和患者预后的重要标志。但由于这么少的流传，识别它们是一项挑战。由于人工智能，二十四大学的研究人员设法以高精度自动化过程。此外，新技术不仅检测肿瘤细胞，还可以解除隐藏信息。细胞外囊泡，在细胞相互作用中重要，也分类。研究人员在2月10日问题上提出了结果自然机器智力。

循环肿瘤细胞（CTCS）从原始肿瘤中释放并开始移动血流在身体其他部位的转移开始中发挥重要作用。在患者的血液中检测到它们提供有关治疗的有效性和患者的预期的信息。CTC的数量非常小，因此手动计算它们荧光显微镜劳动密集型，甚至是一个知道如何识别CTC的专家。新的自动化方法提供超过96％的准确性。

UT科学家为现有方法开发了一个开放源识别包，证明了其临床相关性;新方法使用自动学习将其带到更高的级别。高级可视化从a产生更多信息血液样本：例如，不同类型的CTC，以及细胞外CD45囊泡，其提供有关细胞协作的额外信息。目前正在对这些囊泡的角色进行许多研究。

在黑匣子的窗口

研究人员训练深学习具有大集合标记示例的网络，之后他们能够自己学习和功能，通常比人类更好。如何发生实际学习过程以及网络内部的选择不太透明的选择：深度学习网络本质上是一个黑匣子。由于基于半监督自动化的额外建模和可视化步骤，更多信息出现在网络之外的网络。它就像你可以通过黑匣子里的一个小窗户看到一部分学习。可以清楚地区分不同类型，白细胞和囊泡的CTC。

由Leonie Zeune开发的开源图像分析程序接受，可以与用于检测CTCS的细胞搜索技术相结合。这项技术由Leon Terstappen教授，已经被一些医院使用。由于现在呈现的深度学习发展，自动检测进一步提高。

本文“深入学习循环肿瘤细胞”在线公布自然机器智力。

---

---