一个集体急性淋巴细胞白血病模型用于急性淋巴细胞白血病图像分类
Mei-Ling Huang1, Zong-Bin Huang1
1Department of Industrial Engineering & Management, National Chin-Yi University of Technology, Taichung, Taiwan.
Mathematical biosciences and engineering : MBE
|March 8, 2024
概括
这项研究引入了急性淋巴细胞白血病 (ALL) 图像分类的整体ALL模型,显著提高了早期诊断的准确性. 该模型达到96%以上的准确性,帮助医疗专业人员更快,更精确地照顾患者.
科学领域:
- 医学图像分析 医学图像分析
- 计算生物学 计算生物学
- 在瘤学瘤学.
背景情况:
- 及时诊断急性淋巴细胞白血病 (ALL) 对于有效治疗和改善患者存活率至关重要.
- 目前的诊断方法可能会耗时,突出显示需要加强早期检测能力.
- 自动图像分类有可能简化医疗从业人员的诊断过程.
研究的目的:
- 引入一个集体ALL模型用于急性淋巴细胞白血病 (ALL) 的图像分类.
- 提高早期诊断能力,简化诊断和治疗过程.
- 通过先进的机器学习技术,提高ALL诊断的准确性和效率.
主要方法:
- 利用公开可用的数据集,分为培训,验证和测试集.
- 采用并评估了各种卷积神经网络 (CNN):InceptionV3,EfficientNetB4,ResNet50,CONV_POOL-CNN,ALL-CNN,网络中的网络和AlexNet.
- 通过集成高性能SE模块增强的CNN和使用贝叶斯优化进行优化,开发了一个ensemble-ALL模型.
主要成果:
- 拟议的整体ALL模型实现了高性能指标:96.26%的准确性,96.26%的精度,96.26%的回忆,96.25%的F1得分,91.36%的卡帕得分.
- 性能在ALL图像分类中超过了现有的最先进研究.
- 证明了集体方法与SE模块和贝叶斯优化相结合的有效性.
结论:
- 整体ALL模型通过图像分类在ALL的自动诊断方面取得了重大进展.
- 这种模型可以提高医疗专业人员在诊断和治疗ALL时的效率和准确性.
- 代表了对医疗图像识别的宝贵贡献,用于检测急性淋巴细胞白血病.
