使用基于选定特征的机器学习技术诊断急性淋巴细胞白血病.

科学领域:

• 医疗成像医学成像
• 计算生物学 计算生物学
• 在瘤学瘤学.

背景情况:

• 癌症是全球主要的死亡原因,早期检测对生存至关重要.
• 计算机辅助诊断 (CAD) 系统通过医学成像提高了癌症诊断的准确性.
• 急性淋巴细胞白血病 (ALL) 需要及时和精确的诊断才能得到有效的治疗.

研究的目的:

• 从显微镜血液图像开发一个CAD系统,用于早期和准确的ALL诊断.
• 评估开发的CAD系统在对ALL病例的分类中的性能.

主要方法:

• 开发了一个四阶段的CAD系统:预处理,细分,特征提取/选择和分类.
• 微观血液图像被用来训练和测试系统.
• 用殖民地优化 (ACO) 来进行特征选择,使用了天真贝叶斯 (NB),支持矢量机 (SVM) 和K-最近邻居 (K-NN) 分类器.

主要成果:

• 与特征选择的ACO相结合的NB分类器实现了最高的性能.
• 该系统在对ALL的分类中显示了96.15%的准确性,97.56%的敏感性和94.59%的特异性.

结论:

• 开发的CAD系统显示了准确和高效的ALL诊断的巨大潜力.
• 这种方法可以帮助早期发现癌症,潜在地改善患者的预后和治疗疗效.