Leveraging Sparse Annotations for Leukemia Diagnosis on the Large Leukemia Dataset

要約

白血病は10番目に多く診断される癌であり、世界中で癌関連死の主要な原因の一つである。白血病の現実的な解析には、白血球（WBC）の局在化、分類、形態学的評価が必要である。医療画像におけるディープラーニングの進歩にもかかわらず、白血病解析には大規模で多様なマルチタスクデータセットが欠けており、既存の小規模データセットには領域の多様性がないため、実世界での適用が制限されている。データセットの課題を克服するために、我々はLarge Leukemia Dataset (LLD)と名付けられた大規模なWBCデータセットと、その属性を持つWBCを検出するための新しい方法を提示する。我々の貢献は3つある。第一に、複数の患者の末梢血フィルム（PBF）を用いて、複数の顕微鏡、複数のカメラ、複数の倍率で収集した大規模な白血病データセットを提示する。診断の説明可能性と医療専門家の受容性を高めるために、各白血病細胞は100倍で細胞の大きさから核の形まで7つの形態学的属性で注釈されている。第二に、WBCを検出するだけでなく、その属性を予測するマルチタスクモデルを提案し、解釈可能で臨床的に意味のあるソリューションを提供する。第三に、スパースアノテーションを用いた属性解析によるWBC検出法を提案する。この手法により、血液専門医のアノテーションの負担が軽減され、視野内のわずかな領域に印をつけるだけで済む。本手法により、アノテーションされた領域だけでなく、視野全体を活用することが可能となり、学習効率と診断精度が向上する。診断の説明可能性からドメインシフトの課題の克服に至るまで、提示されたデータセットは顕微鏡画像解析の多くの困難な局面に利用できる。データセット、コード、デモは、https://im.itu.edu.pk/sparse-leukemiaattri/。

要約(オリジナル)

Leukemia is 10th most frequently diagnosed cancer and one of the leading causes of cancer related deaths worldwide. Realistic analysis of Leukemia requires White Blook Cells (WBC) localization, classification, and morphological assessment. Despite deep learning advances in medical imaging, leukemia analysis lacks a large, diverse multi-task dataset, while existing small datasets lack domain diversity, limiting real world applicability. To overcome dataset challenges, we present a large scale WBC dataset named Large Leukemia Dataset (LLD) and novel methods for detecting WBC with their attributes. Our contribution here is threefold. First, we present a large-scale Leukemia dataset collected through Peripheral Blood Films (PBF) from several patients, through multiple microscopes, multi cameras, and multi magnification. To enhance diagnosis explainability and medical expert acceptance, each leukemia cell is annotated at 100x with 7 morphological attributes, ranging from Cell Size to Nuclear Shape. Secondly, we propose a multi task model that not only detects WBCs but also predicts their attributes, providing an interpretable and clinically meaningful solution. Third, we propose a method for WBC detection with attribute analysis using sparse annotations. This approach reduces the annotation burden on hematologists, requiring them to mark only a small area within the field of view. Our method enables the model to leverage the entire field of view rather than just the annotated regions, enhancing learning efficiency and diagnostic accuracy. From diagnosis explainability to overcoming domain shift challenges, presented datasets could be used for many challenging aspects of microscopic image analysis. The datasets, code, and demo are available at: https://im.itu.edu.pk/sparse-leukemiaattri/

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL