Label-free in-vivo classification and tracking of red blood cells and platelets using Dynamic-YOLOv4 network

动态YOLOv4网络的无标记活体红血细胞和血小板分类与追踪技术

Caizhong Guan, Bin He, Hongting Zhang, Shangpan Yang, Yang Xu, Honglian Xiong, Yaguang Zeng, Mingyi Wang, and Xunbin Wei

https://doi.org/10.1142/S1793545824500093

导语：

在生物医学光子学领域，活体流式细胞术作为一种非侵入性实时诊断技术，对于科学研究和临床应用具有重要价值。然而，传统的细胞标记方法可能引起光毒性问题。北京大学魏勋斌教授和佛山大学王茗祎教授的研究团队提出了一种无需标记的活体流式细胞术技术，通过结合动态YOLOv4（D-YOLOv4）网络，实现了对红血细胞（RBCs）和血小板的高效分类与追踪。

正文：

该研究利用斑马鱼作为实验模型，通过D-YOLOv4方法，成功实现了对RBCs和类似哺乳动物血小板的血栓细胞（thrombocytes）的分类与追踪。研究中，D-YOLOv4网络通过吸收强度波动调制（AIFM）技术，显著提高了分类准确性，使得在无需荧光标记的情况下，也能有效地识别和追踪活体中的血细胞。

主要创新点：

1.提出了一种无需标记的活体流式细胞术技术，避免了传统荧光标记可能引起的光毒性问题。

2.将AIFM技术整合到YOLOv4中，通过解调动态血细胞的时间特征，提高了分类准确性。

3.使用斑马鱼作为实验模型，验证了D-YOLOv4方法在活体细胞分类中的有效性，平均精度分别达到0.90（RBCs）和0.64（血栓细胞），总体平均精度为0.77。

应用前景：

该技术为多种活体细胞分类应用提供了新的可能性，特别是在需要长期监测血细胞分类和功能参数的临床研究中，具有重要的应用前景。

结语：

无需标记的活体流式细胞术技术的发展，不仅提高了血细胞分类的准确性，还为活体细胞功能参数的监测提供了新工具，有望在未来的生物医学研究和临床诊断中发挥重要作用。