从数据到诊断：一个大型综合性骨髓数据集与用于儿童白血病预测的 AI 方法
机器学习
2025-09-22 v1 人工智能
计算机视觉与模式识别
摘要
白血病诊断主要依赖于在额外实验室参数支持下的骨髓形态学人工显微分析，这使得该过程复杂且耗时。尽管已经提出了人工智能（AI）解决方案，但大多数方案使用私有数据集，且仅涵盖诊断流程的部分环节。因此，我们提出了一个大型、高质量、公开可用的白血病骨髓数据集，涵盖从细胞检测到诊断的整个诊断过程。利用该数据集，我们进一步提出了用于细胞检测、细胞分类和诊断预测的方法。该数据集包含 246 名儿科患者的诊断、临床和实验室信息，超过 40,000 个带有边界框标注的细胞，其中超过 28,000 个带有高质量类别标签，使其成为目前公开可用的最全面的数据集。对 AI 模型的评估显示，细胞检测的平均精度为 0.96，曲线下面积为 0.98，33 类细胞分类的 F1 分数为 0.61，使用预测细胞计数进行诊断预测的平均 F1 分数为 0.90。虽然所提出的方法展示了其在 AI 辅助诊断中的实用性，但该数据集将促进该领域的进一步研究与开发，最终有助于实现更精确的诊断和改善患者预后。
引用
@article{arxiv.2509.15895,
title = {From Data to Diagnosis: A Large, Comprehensive Bone Marrow Dataset and AI Methods for Childhood Leukemia Prediction},
author = {Henning Höfener and Farina Kock and Martina Pontones and Tabita Ghete and David Pfrang and Nicholas Dickel and Meik Kunz and Daniela P. Schacherer and David A. Clunie and Andrey Fedorov and Max Westphal and Markus Metzler},
journal= {arXiv preprint arXiv:2509.15895},
year = {2025}
}