Early Diagnoses of Acute Lymphoblastic Leukemia Using YOLOv8 and YOLOv11 Deep Learning Models

要約

白血病だけでも毎年何千人もの人が亡くなっています。
この研究では、年間多数の死亡者の原因となる重篤な血液がんである急性リンパ芽球性白血病 (ALL) を検出するための画像処理およびディープラーニング技術の応用を検討しています。
人工知能技術の進歩に伴い、この研究では現実世界のシナリオにおけるこれらの手法の信頼性が調査されています。
この研究は、悪性白血球と良性白血球を区別し、初期段階を含むALLのさまざまな段階を識別するための、特に最新のYOLOシリーズモデルを使用したALL検出の最近の開発に焦点を当てています。
さらに、このモデルは、ALL として誤分類されることが多い血球を検出することができます。
YOLOv8 や YOLOv11 などの高度な深層学習モデルを利用することで、この研究は 98.8% に達する高い精度を達成し、複数のデータセットやさまざまな現実世界の状況にわたってこれらのアルゴリズムの有効性を実証しました。

要約(オリジナル)

Thousands of individuals succumb annually to leukemia alone. This study explores the application of image processing and deep learning techniques for detecting Acute Lymphoblastic Leukemia (ALL), a severe form of blood cancer responsible for numerous annual fatalities. As artificial intelligence technologies advance, the research investigates the reliability of these methods in real-world scenarios. The study focuses on recent developments in ALL detection, particularly using the latest YOLO series models, to distinguish between malignant and benign white blood cells and to identify different stages of ALL, including early stages. Additionally, the models are capable of detecting hematogones, which are often misclassified as ALL. By utilizing advanced deep learning models like YOLOv8 and YOLOv11, the study achieves high accuracy rates reaching 98.8%, demonstrating the effectiveness of these algorithms across multiple datasets and various real-world situations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google