白血病の自動分類のための人間の認知注意力メカニズムに基づくコンボリューションニューラルネットワークの設計と開発
Mohammad Zolfaghari1, Mohammad Saniee Abadeh1, Hedieh Sajedi2
1Faculty of Electrical and Computer Engineering, Tarbiat Modares University, Tehran, Iran.
PloS one
|February 19, 2026
まとめ
この研究は,AI駆動型白血病分類のための新しい注意ブロックを導入し,医療画像から白血球 (WBCs) を特定する精度を大幅に改善します. 提案されたMobileNetv4-PCABモデルは,既存の方法を上回り,ほぼ完璧な分類を達成しています.
科学分野:
- 医学画像分析 医学画像分析
- 医療における人工知能
- コンピューター病理学 (Computational Pathology) について
背景:
- 白血病の特定は,手動白血球 (WBC) 分析に依存しており,これは時間がかかり,誤りやすいものです.
- 人工知能 (AI) とコンピュータビジョン (CV) を利用した自動化された方法は,白血病検出の正確性と効率を向上させるために開発されています.
- 既存の自動化された方法は,WBCの微妙な構造的および位置的特徴を正確に抽出する上で課題に直面しています.
研究 の 目的:
- 新しい注意力メカニズムであるパラレル・コグニティブ・アテンション・ブロック (PCAB) とシーケンス・コグニティブ・アテンション・ブロック (SCAB) を導入し,コンボリューション・ニューラル・ネットワーク (CNN) を活用する.
- 改善された白血病分類のためのCNNの特徴抽出能力を高めるために.
- 様々な白血病データセットのベースラインモデルと比較した注意に基づくCNNモデルのパフォーマンスを評価する.
主な方法:
- チャンネルと空間的注意のサブブロックを統合したPCABとSCABを開発し,人間の視覚処理ストリームを模倣しました.
- ResNet18およびMobileNetv4アーキテクチャにPCABとSCABを埋め込みました.
- 4つの白血病データセット (ALL,ALL-IDB2,C-NMC,ミックス-白血病) のベースラインと注意に基づくモデルを,同一の条件下でトレーニングし,テストしました.
主要な成果:
- MobileNetv4-PCABモデルは,テストされたすべてのデータセットで優れたパフォーマンスを示しました.
- 高い精度率を達成しました:100% (ALL),100% (ALL-IDB2),93.61% (C-NMC),および99.4% (混合型白血病).
- 100% (ALL),100% (ALL-IDB2),95.64% (C-NMC) および99.3% (混合型白血病) の優れたF1スコアを達成しました.
結論:
- 提案されたPCABとSCABの注意ブロックは,白血病の分類のためのCNNのパフォーマンスを大幅に向上させます.
- MobileNetv4-PCABモデルは,精度と効率において既存の方法よりも優れた最先端のアプローチを表しています.
- このAI駆動のアプローチは,血液細胞画像から白血病のより信頼性の高い,より迅速な診断を約束しています.
