本发明公开了一种基于机器学习的慢性淋巴细胞白血病肿瘤细胞识别方法，包括如下步骤：(1)检测与慢性淋巴细胞白血病有关的抗原，计算抗原的荧光强度的置信区间界；(2)构建神经网络模型，其中模型输入为置信区间界，模型输出为是否属于慢性淋巴细胞白血病的期望输出；(3)利用采集到的慢性淋巴细胞白血病患者和非慢性淋巴细胞白血病患者的细胞荧光强度数据，对神经网络模型进行训练；(4)对于需要诊断的新患者，采集他的细胞荧光强度数据，利用神经网络模型给出参考识别结果。本发明借助于机器学习和大量历史数据，能够辅助临床医师准确识别是否属于慢性淋巴细胞白血病肿瘤细胞，从而提高临床诊断的效率和质量。

本发明公开了一种基于机器学习的慢性淋巴细胞白血病肿瘤细胞识别方法，包括如下步骤：(1)检测与慢性淋巴细胞白血病有关的抗原，计算抗原的荧光强度的置信区间界；(2)构建神经网络模型，其中模型输入为置信区间界，模型输出为是否属于慢性淋巴细胞白血病的期望输出；(3)利用采集到的慢性淋巴细胞白血病患者和非慢性淋巴细胞白血病患者的细胞荧光强度数据，对神经网络模型进行训练；(4)对于需要诊断的新患者，采集他的细胞荧光强度数据，利用神经网络模型给出参考识别结果。本发明借助于机器学习和大量历史数据，能够辅助临床医师准确识别是否属于慢性淋巴细胞白血病肿瘤细胞，从而提高临床诊断的效率和质量。