相关研究与后续进展

该研究将无标记光学衍射层析（ODT）与可解释机器学习结合，从同步培养的恶性疟原虫感染红细胞的三维折射率层析图中提取形态与生物物理描述符（球形度、实心度、离心率、干质量、最大折射率）以及自监督视觉Transformer（ViT）的图像表征，发现配子体期感染红细胞球形度显著降低、离心率升高，联合特征空间在多分类（正常、环状体、配子体）中达到88.3%准确率、在二分类（正常与感染）中达到98.1%准确率，SHAP分析显示深度学习特征对正常与环状体期最强、手工特征对配子体期分类关键。