一种混合算法可学会区分五类白细胞
形状特征、神经网络与受秃鹫觅食行为启发的搜索算法相结合，用于判读血涂片。
在显微镜下进行白细胞分类计数是常规实验室工作，但耗时较长，且两名观察者的结果并不总是一致。
作者在The Ulutas Medical Journal上发表了该研究，构建了一套自动化流程：轮廓波变换（contourlet transform）提取细胞形态特征，循环神经网络学习更深层的模式，再由一种模拟非洲秃鹫觅食行为的搜索方法筛选信息量最大的特征，最后通过聚类步骤完成细胞类别判定。
识别准确率因细胞类型而异：单核细胞的正确识别率为97%，而较为少见的嗜碱性粒细胞仅为69%，中性粒细胞则为75%。
研究意义：若此类工具足够可靠，有望减轻血液学检验人员的常规工作负担，并提高血涂片判读的一致性。
作者认为，该方法更可能作为实验室的辅助工具，而非取代专家判读。
需要说明的是：研究结果基于计算机研究中的图像数据集，该方法尚未在日常临床工作中进行验证。
来源：Omid Eslamifar 等。Multiclass Blood Cell Classification Using Contourlet Transform and Metaheuristic-Optimized Deep Features with Clustering-Based Decision Making. Ulutas Med J 2025. doi:10.5455/umj.20250424051519.
图像：文章中的图4，CC BY-NC 4.0。
