用于检测和分类急性淋巴细胞白血病（ALL）的深度特征提取研究
图像与视频处理
2024-09-11 v1 计算机视觉与模式识别
摘要
急性淋巴细胞白血病（ALL）是一种主要影响成人和儿童的血液恶性肿瘤。本研究探讨了使用深度学习，具体为卷积神经网络（CNN），用于 ALL 的检测和分类。传统的 ALL 诊断技术，如骨髓活检，成本高昂且容易受手工误诊。通过利用自动化技术，本研究旨在提高诊断的准确性。研究使用了各种预训练的 CNN 模型，如 InceptionV3、ResNet101、VGG19、DenseNet121、MobileNetV2 和 DenseNet121，从血液片图像中提取特征。用于寻找最相关特征的选择方法包括方差分析（ANOVA）、递归特征消除（RFE）、随机森林、Lasso 和主成分分析（PCA）。随后，采用朴素贝叶斯、随机森林、支持向量机（SVM）和 K 近邻（KNN）等机器学习方法对这些特征进行分类。实验结果表明，ResNet101 模型以 87% 的准确率获得最佳结果，紧随其后的是 DenseNet121 和 VGG19。根据本研究，基于 CNN 的模型有望通过提高 ALL 诊断的速度和准确性，减少对医学专家的需求。为提高模型性能，本研究还建议扩大和多样化数据集，并探索更复杂的模型设计，如转换器。本研究凸显了自动化深度学习系统在医学诊断中的潜在价值。
引用
@article{arxiv.2409.06687,
title = {A study on deep feature extraction to detect and classify Acute Lymphoblastic Leukemia (ALL)},
author = {Sabit Ahamed Preanto and Md. Taimur Ahad and Yousuf Rayhan Emon and Sumaya Mustofa and Md Alamin},
journal= {arXiv preprint arXiv:2409.06687},
year = {2024}
}