Flow Cytometric Monitoring of Residual Disease in Acute Leukemia

2013 ◽  
pp. 123-136 ◽  
Author(s):  
Brent L. Wood
Keyword(s):  
Acute Leukemia ◽  
Residual Disease ◽  
Flow Cytometric

scholarly journals Flow cytometric determination of atypical antigen expression in acute leukemia for the study of minimal residual disease

Cytometry ◽  
1992 ◽  
Vol 13 (8) ◽  
pp. 893-901 ◽  
Author(s):  
Johannes Drach ◽  
Doris Drach ◽  
Herta Glassl ◽  
Claus Gattringer ◽  
Heinz Huber
Keyword(s):  
Acute Leukemia ◽  
Minimal Residual Disease ◽  
Residual Disease ◽  
Antigen Expression ◽  
Flow Cytometric ◽  
Minimal Residual

METHODS OF MULTICLASSICATION OF BONE MARROW CELLS FOR THE DIAGNOSIS OF ACUTE LEUKEMIA AND MINIMAL RESIDUAL DISEASE (ON THE MATERIALS OF THE LABORATORY OF HEMATOPOIESIS OF N. N. BLOKHIN NATIONAL MEDICAL RESEARCH CENTER OF ONCOLOGY)

2020 ◽  
pp. 155-158
Author(s):  
Валентина Викторовна Дмитриева ◽  
Николай Николаевич Тупицын ◽  
Евгений Валерьевич Поляков ◽  
Софья Сергеевна Денисюк
Keyword(s):  
Bone Marrow ◽  
Acute Leukemia ◽  
Medical Research ◽  
Bone Marrow Cells ◽  
Residual Disease ◽  
Binary Classification ◽  
National Medical ◽  
Cell Class ◽  
Minimal Residual ◽  
Marrow Cells

Применение методов и средств цифровой обработки изображений при распознавании типов клеток крови и костного мозга для повышения качества диагностики острых лейкозов является актуальной научно-технической задачей, отвечающей стратегии развития технологий искусственного интеллекта в медицине. В работе предложен подход к мультиклассификации клеток костного мозга при диагностике острых лейкозов и минимальной остаточной болезни. Для проведения экспериментальных исследований сформирована выборка из 3284 изображений клеток, представленных Лабораторией гемопоэза Национального медицинского исследовательского центра онкологии им. Н.Н. Блохина. Предложенный подход к мультиклассификации клеток костного мозга основан на бинарной модели классификации для каждого из исследуемых классов относительно остальных. В рассматриваемой работе бинарная классификация выполняется методом опорных векторов. Метод мультиклассификации был программно реализован с применением интерпретатора Python 3.6.9. Входными данными программы служат файлы формата *.csv с таблицами морфологических, цветовых, текстурных признаков для каждой из клеток используемой выборки. В выборке представлено девять типов клеток костного мозга. Выходными данными программы мультиклассификации являются значения точности классификации на тестовой выборке, которые отражают совпадение прогнозируемого класса клетки с фактическим (верифицированным) классом клетки. “Эксперимент показал следующие результаты: точность мультиклассификации рассматриваемых типов клеток в среднем составила: 87% на тестовом наборе, 88% на обучающем наборе данных. Проведенное исследование является предварительным. В дальнейшем планируется увеличить число классов клеток, объем выборок различных типов клеток и с уточнением результатов мультиклассификации The use of methods and means of digital image processing in the recognition of types of blood cells and bone marrow to improve the quality of diagnosis of acute leukemia is an urgent scientific and technical task that meets the strategy for the development of artificial intelligence technologies in medicine. The paper proposes an approach to the multiclassification of bone marrow cells in the diagnosis of acute leukemia and minimal residual disease. For experimental studies, a sample of 3284 images of cells was formed, submitted by the Hematopoiesis Laboratory of the National Medical Research Center of Oncology named after V.I. N.N. Blokhin. The proposed approach to the multiclassification of bone marrow cells is based on a binary classification model for each of the studied classes relative to the others. In the work under consideration, binary classification is performed by the support vector machine. The multiclassification method was implemented programmatically using the Python 3.6.9 interpreter. The input data of the program are * .csv files with tables of morphological, color, texture features for each of the cells of the sample used. The sample contains nine types of bone marrow cells. The output data of the multiclassification program are the classification accuracy values on the test sample, which reflect the coincidence of the predicted cell class with the actual (verified) cell class. “The experiment showed the following results: the accuracy of multiclassification of the considered types of cells on average was: 87% on the test set, 88% on the training data set. This study is preliminary. In the future, it is planned to increase the number of classes of cells, the volume of samples of various types of cells and with the refinement of the results of multiclassification

scholarly journals BTK, NUTM2A, and PRPF19 Are Novel KMT2A Partner Genes in Childhood Acute Leukemia

Biomedicines ◽  
2021 ◽  
Vol 9 (8) ◽  
pp. 924
Author(s):  
Elena Zerkalenkova ◽  
Svetlana Lebedeva ◽  
Aleksandra Borkovskaia ◽  
Olga Soldatkina ◽  
Olga Plekhanova ◽  
...  
Keyword(s):  
Acute Leukemia ◽  
Residual Disease ◽  
Chromosomal Rearrangements ◽  
Strong Impact ◽  
Acute Leukemias ◽  
Dna And Rna ◽  
Targeted Ngs ◽  
Childhood Acute Leukemia ◽  
Next Generation Sequencing Ngs ◽  
The Given

Chromosomal rearrangements of the human KMT2A/MLL gene are associated with acute leukemias, especially in infants. KMT2A is rearranged with a big variety of partner genes and in multiple breakpoint locations. Detection of all types of KMT2A rearrangements is an essential part of acute leukemia initial diagnostics and follow-up, as it has a strong impact on the patients’ outcome. Due to their high heterogeneity, KMT2A rearrangements are most effectively uncovered by next-generation sequencing (NGS), which, however, requires a thorough prescreening by cytogenetics. Here, we aimed to characterize uncommon KMT2A rearrangements in childhood acute leukemia by conventional karyotyping, FISH, and targeted NGS on both DNA and RNA level with subsequent validation. As a result of this comprehensive approach, three novel KMT2A rearrangements were discovered: ins(X;11)(q26;q13q25)/KMT2A-BTK, t(10;11)(q22;q23.3)/KMT2A-NUTM2A, and inv(11)(q12.2q23.3)/KMT2A-PRPF19. These novel KMT2A-chimeric genes expand our knowledge of the mechanisms of KMT2A-associated leukemogenesis and allow tracing the dynamics of minimal residual disease in the given patients.

Flow cytometric analysis of hemetopoietic progenitor cells in peripheral blood stem cell harvest from patients with CD34 positive acute leukemia

2001 ◽  
Vol 247 (1-2) ◽  
pp. 9-15 ◽  
Author(s):  
Toshiyasu Miyazaki ◽  
Isao Matsuda ◽  
Mayumi Oguri ◽  
Hiroshi Amaya ◽  
Masanobu Kiyosaki ◽  
...  
Keyword(s):  
Stem Cell ◽  
Acute Leukemia ◽  
Progenitor Cells ◽  
Peripheral Blood ◽  
Peripheral Blood Stem Cell ◽  
Flow Cytometric Analysis ◽  
Blood Stem Cell ◽  
Flow Cytometric ◽  
Cell Harvest
Sign in / Sign up

Export Citation Format

Share Document