本研究では、正常および病気関連の赤血球（RBC）の三次元（3D）形状を部分観測から再構築するための多忠実度ニューラルネットワーク（MFNN）アプローチを提案しています。この手法は、高忠実度の交差セクションと、形状が類似した低忠実度の参照3D RBC形状を組み合わせることで、完全な3D表面を回復します。MFNNは、低忠実度のRBCデータで訓練された畳み込みニューラルネットワークと、非線形形態的相関を捉えるフィードフォワードニューラルネットワークを統合して形成されます。研究では、正常および老齢のRBCのさまざまな形状に対するベンチマーキングが行われ、少なくとも2つの直交交差セクションを提供することで、95％以上の座標精度を持つ複雑なRBC形態を再構築できることが示されました。情報に基づく斜交交差セクションが統合されることで、局所的及び全体的な特徴の再構築が改善され、RBCの形態的パラメータを定量的に分析するための道を開くことがこの研究の重要な意義です。