ALLNet: A Hybrid Convolutional Neural Network to Improve Diagnosis of Acute Lymphocytic Leukemia (ALL) in White Blood Cells

要約

微視的レベルでの形態学的類似性のため、急性リンパ性白血病（ALL）の影響を受けた血球とそれらの健康な対応物を正確かつ時間に敏感に区別するには、機械学習アーキテクチャの使用が必要です。
ただし、最も一般的な3つのモデル、VGG、ResNet、およびInceptionにはそれぞれ独自の欠陥があり、改善の余地があり、優れたモデルが必要です。
提案されているハイブリッド畳み込みニューラルネットワークアーキテクチャであるALLNetは、VGG、ResNet、およびInceptionモデルの組み合わせで構成されています。
ISBI 2019のALLチャレンジデータセット（ここで入手可能）には、モデルのトレーニングとテストに使用された白血球の10,691枚の画像が含まれています。
データセット内の7,272枚の画像はALLのセルであり、3,419枚は正常なセルです。
画像のうち、60％はモデルのトレーニングに使用され、20％は交差検定セットに使用され、20％はテストセットに使用されました。
ALLNetは、全体的にVGG、ResNet、およびInceptionモデルを上回り、クロスで92.6567％の精度、95.5304％の感度、85.9155％の特異性、0.966347のAUCスコア、および0.94803のF1スコアを達成しました。
検証セット。
テストセットでは、ALLNetは92.0991％の精度、96.5446％の感度、82.8035％の特異性、0.959972のAUCスコア、および0.942963のF1スコアを達成しました。
臨床ワークスペースでALLNetを利用することで、世界中のALLに苦しむ何千人もの人々をより適切に治療することができ、その多くは子供です。

要約(オリジナル)

Due to morphological similarity at the microscopic level, making an accurate and time-sensitive distinction between blood cells affected by Acute Lymphocytic Leukemia (ALL) and their healthy counterparts calls for the usage of machine learning architectures. However, three of the most common models, VGG, ResNet, and Inception, each come with their own set of flaws with room for improvement which demands the need for a superior model. ALLNet, the proposed hybrid convolutional neural network architecture, consists of a combination of the VGG, ResNet, and Inception models. The ALL Challenge dataset of ISBI 2019 (available here) contains 10,691 images of white blood cells which were used to train and test the models. 7,272 of the images in the dataset are of cells with ALL and 3,419 of them are of healthy cells. Of the images, 60% were used to train the model, 20% were used for the cross-validation set, and 20% were used for the test set. ALLNet outperformed the VGG, ResNet, and the Inception models across the board, achieving an accuracy of 92.6567%, a sensitivity of 95.5304%, a specificity of 85.9155%, an AUC score of 0.966347, and an F1 score of 0.94803 in the cross-validation set. In the test set, ALLNet achieved an accuracy of 92.0991%, a sensitivity of 96.5446%, a specificity of 82.8035%, an AUC score of 0.959972, and an F1 score of 0.942963. The utilization of ALLNet in the clinical workspace can better treat the thousands of people suffering from ALL across the world, many of whom are children.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google