基于 YOLOv12 深度学习模型的急性髓系白血病早期检测
计算机视觉与模式识别
2026-04-20 v1 人工智能
机器学习
摘要
急性髓系白血病（AML）是最致命的血液癌症之一，其准确分类被认为是一个具有挑战性的任务，由于不同细胞类型之间的视觉相似性。本研究利用 YOLOv12 深度学习模型解决 AML 细胞的多类别分类问题。我们应用了两种基于细胞和核部特征的分割方法，使用 Hue 通道和 Otsu 阈值技术对图像进行预处理后再进行分类。我们的实验表明，YOLOv12 在基于细胞的分割上使用 Otsu 阈值技术，在验证和测试准确率均达到了 99.3%。
引用
@article{arxiv.2604.16082,
title = {Early Detection of Acute Myeloid Leukemia (AML) Using YOLOv12 Deep Learning Model},
author = {Enas E. Ahmed and Salah A. Aly and Mayar Moner},
journal= {arXiv preprint arXiv:2604.16082},
year = {2026}
}
备注
6 pages, 10 figures, 2 tables