引言
流式细胞术是一种高通量技术，通过液流中的细胞在光源照射下进行识别和分析。成像流式细胞术（IFC）结合了流式细胞术的高通量能力和显微镜的空间分辨率，但传统的荧光标记可能影响细胞活性且不适用于某些细胞类型。数字全息技术与IFC的结合通过产生无标记的定量相位图像，测量细胞厚度和折射率，为细胞形态和动力学研究提供了新途径。
方法
样本制备与IFC设置
研究进行了两个独立实验：T细胞不同激活状态的分类和癌细胞不同转移潜能的分类。T细胞实验使用改良的马赫-曾德尔干涉仪显微镜，癌细胞实验采用倒置显微镜配合外部干涉模块。两个光学系统均适合高质量干涉数据采集，且分类网络可适用于任何离轴全息图像。
数据集准备
T细胞数据集包含3天和7天激活的细胞图像各2321张和2323张，图像尺寸为135×135像素。SW癌细胞数据集包含1303张SW480（原发癌）和1333张SW620（转移癌）图像，尺寸为224×224像素。两个数据集均采用数据增强技术，并按8:1:1比例划分为训练集、验证集和测试集。
模型架构
该方法采用两阶段架构：检测阶段使用固定权重的卷积层作为图像处理滤波器，定位每个物体为单一点，避免冗余检测；分类阶段采用两层卷积神经网络对每个检测到的物体进行分类。这种设计显著降低了计算复杂度，适用于实时IFC应用。
结果
检测性能评估显示，在T细胞数据集上，该方法的mAP@0.5达到97.13%，与YOLOv8n的99.29%接近，但参数数量仅0.22百万（YOLOv8n为3.01百万）。在SW癌细胞数据集上，该方法在IoU阈值为0.3时mAP达到0.9964。推理时间方面，在GPU上仅需0.44毫秒，比YOLOv8n快10倍以上，吞吐量可达每秒数千个细胞。
分类准确率在T细胞数据集上达到97.4%，在SW癌细胞数据集上达到100%。该方法的高效性、轻量化和适应性使其特别适合计算资源有限的实时应用场景。
结论
本研究提出的基于全息图像的IFC细胞检测与分类方法，通过定制化网络设计实现了竞争性的检测精度和显著的推理速度提升。该方法在T细胞激活状态和癌细胞转移潜能分类中的成功应用，证明了其在生物医学检测中的广泛潜力。未来工作包括在实时流式系统中集成模型、在专用硬件上部署以及更多样化数据集的验证，以进一步巩固其鲁棒性和泛化能力。
