Accurate Leukocyte Detection Based on Deformable-DETR and Multi-Level Feature Fusion for Aiding Diagnosis of Blood Diseases

要約

標準的な病院の血液検査では、従来のプロセスでは、医師が顕微鏡を使って患者の血液の顕微鏡画像から白血球を手作業で分離する必要があった。これらの分離された白血球は、自動白血球分類器によって分類され、血液サンプル中に存在する異なるタイプの白血球の割合と量を決定し、病気の診断に役立てられる。この方法は時間と労力がかかるだけでなく、画質や環境条件などの要因によるエラーの可能性が高く、誤った分類や誤診につながる可能性がある。このような問題に対処するため、本論文では革新的な白血球検出法であるマルチレベル特徴フュージョンと変形可能自己アテンションDETR（MFDS-DETR）を提案する。白血球のスケール不一致の問題に取り組むために、我々は高レベルスクリーニング特徴融合ピラミッド（HS-FPN）を設計し、マルチレベルの融合を可能にした。このモデルは、チャンネルアテンションモジュールを介して低レベル特徴情報をフィルタリングする重みとして高レベル特徴を使用し、スクリーニングされた情報を高レベル特徴と融合させることにより、モデルの特徴表現能力を向上させる。さらに、エンコーダにマルチスケール変形可能な自己注意モジュールを組み込み、デコーダに自己注意と交差変形可能な注意メカニズムを用いることで、白血球特徴マップの大域的特徴の抽出を支援することで、白血球特徴の希少性の問題に対処する。提案するMFDS-DETR法の有効性、優位性、および汎用性は、プライベートWBCDD、パブリックLISC、およびBCCDデータセットを用いた他の最先端白血球検出モデルとの比較を通じて確認された。我々のソースコードと非公開WBCCDデータセットはhttps://github.com/JustlfC03/MFDS-DETR。

要約(オリジナル)

In standard hospital blood tests, the traditional process requires doctors to manually isolate leukocytes from microscopic images of patients’ blood using microscopes. These isolated leukocytes are then categorized via automatic leukocyte classifiers to determine the proportion and volume of different types of leukocytes present in the blood samples, aiding disease diagnosis. This methodology is not only time-consuming and labor-intensive, but it also has a high propensity for errors due to factors such as image quality and environmental conditions, which could potentially lead to incorrect subsequent classifications and misdiagnosis. To address these issues, this paper proposes an innovative method of leukocyte detection: the Multi-level Feature Fusion and Deformable Self-attention DETR (MFDS-DETR). To tackle the issue of leukocyte scale disparity, we designed the High-level Screening-feature Fusion Pyramid (HS-FPN), enabling multi-level fusion. This model uses high-level features as weights to filter low-level feature information via a channel attention module and then merges the screened information with the high-level features, thus enhancing the model’s feature expression capability. Further, we address the issue of leukocyte feature scarcity by incorporating a multi-scale deformable self-attention module in the encoder and using the self-attention and cross-deformable attention mechanisms in the decoder, which aids in the extraction of the global features of the leukocyte feature maps. The effectiveness, superiority, and generalizability of the proposed MFDS-DETR method are confirmed through comparisons with other cutting-edge leukocyte detection models using the private WBCDD, public LISC and BCCD datasets. Our source code and private WBCCD dataset are available at https://github.com/JustlfC03/MFDS-DETR.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL