基于数字全息技术的红细胞数据集，用于遗传性贫血症的机器学习和深度学习分析

《Scientific Data》：A Digital Holography-Based Dataset of Red Blood Cells for Machine and Deep Learning Analysis of Hereditary Anemias

　　

摘要

遗传性贫血（HA）是一类影响大量受试者的遗传性血液疾病，并可能导致重要的临床并发症。对每种类型贫血的正确、快速和自动识别对于适当的治疗和患者管理至关重要。数字全息显微镜提供了红细胞（RBCs）形态的免标记定量相位测量。然而，用于特征提取和红细胞分类的标准化且可复现的计算工作流仍然稀缺。在此，我们展示了一个包含约 4600 幅全息相衬图（PCMs）的集合，代表了来自健康对照组和患有五种不同 HA 亚型的患者的红细胞。此外，发布了一套完整且公开可用的 MATLAB 脚本，以实现以 PCMs 为输入的分析工作流。该工作流包括手工特征提取，以及不同的传统机器学习和深度学习模型。值得注意的是，深度学习架构直接基于 PCMs 进行训练。通过发布从原始相位图到训练模型的完整流水线，本工作提供了一个开放且可扩展的框架，便于方法比较，确保可复现性，并支持新方法的发展。