深度学习增强了使用骨髓图像的急性淋巴细胞白血病诊断和分类

科学领域:

• 医疗成像医学成像
• 医疗保健中的人工智能
• 血液学 血液学 血液学

背景情况:

• 急性淋巴细胞白血病 (ALL) 存在诊断挑战,特别是在儿科病例中.
• 准确和快速的诊断对于有效的ALL治疗至关重要.
• 骨髓图像分析是ALL诊断的关键组成部分.

研究的目的:

• 审查深度学习 (DL) 在提高ALL诊断和分类方面的作用.
• 分析DL模型在骨髓图像分析中用于白血病检测的性能.
• 确定创新的DL技术及其对诊断准确性的影响.

主要方法:

• 一项对10项关于ALL诊断的DLL研究 (2013-2023) 的系统综述.
• 卷积神经网络 (CNN) 的分析与Cat-Boosting,XG-Boosting和转移学习等技术相结合.
• 评估DL模型使用性能指标,如准确性.

主要成果:

• DL模型,特别是CNN,在检测和分类骨髓图像中的ALL方面表现出很高的熟练程度.
• 几种DL模型在癌细胞分类中实现了99-100%的准确性.
• 结合了新的算法 (如猫群优化) 的模型显示了优越的分类性能.

结论:

• 深度学习显示了改造潜力,可以提高ALL诊断的效率和准确性.
• 通过DL模型实现的高精度表明临床集成的前景充满希望.
• 需要进一步的研究来解决数据集的局限性,并完善DL模型以实现最佳的临床使用.