深度卷积神经网络驱动的自动化ALL细胞分类器:提升急性淋巴白血病诊断效率
183 浏览量
更新于2024-06-17
收藏 1.79MB PDF 举报
深度卷积神经网络在医学领域中发挥着日益重要的作用,特别是在复杂疾病的自动诊断方面。本研究聚焦于利用深度学习技术解决急性淋巴细胞白血病(ALL)的自动识别问题,这是一种由于恶性淋巴细胞过度增殖而引起的血液系统恶性肿瘤。传统的病理学分类方法依赖于专业病理学家对细胞图像的精细分析,但这一过程耗时且易受主观差异的影响。
作者提出了一种创新的方法,即采用深度卷积神经网络(CNN)进行ALL细胞分类任务的自动化。他们特别关注了迁移学习的应用,通过整合多种数据增强和预处理策略,优化模型的泛化能力。这些策略包括估计不同模型的性能指标,如F1分数、曲线下面积(AUC)和kappa值,以确定最佳的权重分配。研究中,他们利用了C-NMC-2019 ALL数据集进行模型训练和验证。
所提出的加权集成模型在初步测试中显示出优异的表现,达到了89.7%的加权F1分数,88.3%的平衡准确度以及0.948的AUC,这表明模型在区分正常细胞和ALL细胞之间具有较高的准确性。模型的性能通过可视化工具——梯度类激活图得到了进一步确认,对比其他集成候选模型如Xception、VGG-16、DenseNet-121、MobileNet和InceptionResNet-V2,结果显示所提模型具有更为集中的学习区域,意味着其在ALL细胞特征提取上更有效。
这项研究不仅提升了ALL诊断的自动化水平,减少了人工分析的工作负担,还有助于提高诊断的一致性和可靠性。未来的研究可能进一步优化模型结构和参数调优,以期在临床实践中得到更广泛的应用,从而推动医学信息学在个性化医疗和精准诊断领域的进步。
2022-12-11 上传
点击了解资源详情
2021-09-14 上传
2021-07-11 上传
2020-01-04 上传
2021-05-16 上传
2020-06-04 上传
cpongm
- 粉丝: 5
- 资源: 2万+
最新资源
- Postman安装与功能详解:适用于API测试与HTTP请求
- Dart打造简易Web服务器教程:simple-server-dart
- FFmpeg 4.4 快速搭建与环境变量配置教程
- 牛顿井在围棋中的应用:利用牛顿多项式求根技术
- SpringBoot结合MySQL实现MQTT消息持久化教程
- C语言实现水仙花数输出方法详解
- Avatar_Utils库1.0.10版本发布,Python开发者必备工具
- Python爬虫实现漫画榜单数据处理与可视化分析
- 解压缩教材程序文件的正确方法
- 快速搭建Spring Boot Web项目实战指南
- Avatar Utils 1.8.1 工具包的安装与使用指南
- GatewayWorker扩展包压缩文件的下载与使用指南
- 实现饮食目标的开源Visual Basic编码程序
- 打造个性化O'RLY动物封面生成器
- Avatar_Utils库打包文件安装与使用指南
- Python端口扫描工具的设计与实现要点解析