B細胞急性リンパ性白血病の自動分類のための効率的な軽量CNN

科学分野:

• 血液学
• 医療用イメージング
• 人工知能

背景:

• B細胞急性リンパ性白血病 (B-ALL) は,遅い段階の診断により生存率が低下する,急速に進行する血液学的悪性腫瘍です.
• 外周血液検査 (PBS) の画像は,B-ALLの予備的なスクリーニングに不可欠であり,コンピュータによる診断の基礎となる.
• 現在の診断方法は高価で時間がかかるので 効率的でアクセシブルなスクリーニングツールが必要です

研究 の 目的:

• PBS画像からB-ALLサブタイプを直接分類するための軽量コンボリューションニューラルネットワーク (CNN) を開発する.
• 計算効率の高いモデルを作成し,プレセグメンテーションの必要性を回避します.
• インバーテッド・レジデュアル・ブロック内のスプレイス・アンド・エクシテーション (SE) モジュールを用いて機能表現を向上させる.

主な方法:

• 新しい軽量なCNNアーキテクチャが設計され,SEモジュールをInverted Residual Blocksに組み込みました.
• モデルを訓練し,B-ALL分類のためにPBS画像で評価した.
• クロスデータセットの検証は,一般化可能性を評価するために独立したデータセットで行われました.
• モデルの解釈は,Grad-CAMとLIME技術を使用して達成されました.

主要な成果:

• 提案されたCNNは,プライマリデータセットで100%の精度,感度,特異性,F1スコア,MCCを達成しました.
• クロスデータセットの検証は,再訓練なしに99. 85%の堅実な精度を示しました.
• 解釈可能な方法により,B-ALLの重要な細胞特性が示されました.

結論:

• 開発されたフレームワークは,自動化されたB-ALL分類のための非常に正確で,資源効率的で,解釈可能なソリューションを提供します.
• モデルの性能と汎用性は,早期診断のための臨床実践への統合の大きな可能性を示している.
• 公に公開されたコードは,このAI駆動の診断ツールのさらなる研究と応用を促進します.