使用显微镜图像进行早期急性淋巴细胞白血病检测的深度学习模型
Vatsala Anand1, Prabhnoor Bachhal1, Deepika Koundal2,3
1Chitkara University Institute of Engineering and Technology, Chitkara University, Rajpura, Punjab, India.
Scientific reports
|August 9, 2025
概括
一个深度优化的卷积神经网络 (CNN) 有助于在急性淋巴细胞白血病 (ALL) 的早期诊断. 这种AI模型实现了高准确度和精度,为检测这种骨髓癌提供了有前途的工具.
科学领域:
- 血液学 血液学 血液学
- 人工智能的人工智能
- 医学诊断 医学诊断 医学诊断
背景情况:
- 急性淋巴细胞白血病 (ALL) 是一种严重的骨髓癌,影响儿童和成人.
- 早期和准确的诊断对于有效的治疗策略和改善患者结果至关重要.
- 目前的诊断方法需要整合各种临床,形态,细胞遗传和分子数据.
研究的目的:
- 开发和评估一个深度优化的卷积神经网络 (CNN),用于早期诊断和检测ALL.
- 在准确性和精确性方面评估拟议的CNN模型的性能.
主要方法:
- 一个深度优化的CNN模型被设计成五个卷积块和五个最大池层.
- 该模型使用超参数进行训练和调整,包括30个时代和32个批量大小.
- 在模型优化方面,Adam 和 Adamax 优化器进行了比较.
主要成果:
- 深度优化的CNN模型在ALL检测方面表现出高性能.
- 使用Adam优化器,该模型实现了0.96的精度和0.95.95的精度.
- 拟议的CNN模型有效地确定了ALL诊断的关键方面.
结论:
- 深度优化的CNN为急性淋巴细胞白血病的早期和准确诊断提供了强大的方法.
- 开发的AI模型显示出有很大的潜力,可以帮助临床医生进行风险评估和治疗计划.
- 进一步的研究和临床试验对于解决ALL治疗中抗药性,复发性和长期毒性等挑战至关重要.
