基于YOLOv8和YOLOv11深度学习模型的急性淋巴细胞白血病早期诊断
计算机视觉与模式识别
2025-01-14 v2 人工智能
机器学习
摘要
白血病是一种严重的血液癌症，每年导致数千人死亡。本研究聚焦于利用先进的图像处理和深度学习技术检测急性淋巴细胞白血病（ALL）。通过利用人工智能的最新进展，研究评估了这些方法在实际场景中的可靠性。具体而言，研究考察了包括YOLOv8和YOLOv11在内的先进YOLO模型，以区分恶性和良性白血球，并准确识别ALL的不同阶段，包括早期阶段。此外，模型还能检测血小板化细胞，这些细胞常被误分类为ALL。准确率可达98.8%，本研究突显了这些算法在多样化数据集和条件下提供稳健且精确白血病检测的潜力。
引用
@article{arxiv.2410.10701,
title = {Early Diagnosis of Acute Lymphoblastic Leukemia Using YOLOv8 and YOLOv11 Deep Learning Models},
author = {Alaa Awad and Salah A. Aly},
journal= {arXiv preprint arXiv:2410.10701},
year = {2025}
}
备注
6 pages, 7 figures, 2 tables, JAC-ECC2024