基于 Mamba 的集成学习用于白血细胞分类
机器学习
2025-04-16 v1 计算机视觉与模式识别
摘要
白血细胞 (WBC) 分类有助于评估免疫健康并诊断多种疾病，但人工分类耗时且易产生不一致性。深度学习的 recent 进展在传统方法上显示出前景；然而，数据不平衡以及 Transformer 类技术对输入规模的扩展性差这一挑战，限制了其实际应用。本文引入一种新型框架，利用集成学习方法融合 Mamba 模型以提高 WBC 分类性能。Mamba 模型因其线性复杂度，为基于 Transformer 的方法提供了在资源受限环境下的可扩展替代方案。此外，我们引入了新的 WBC 数据集 Chula-WBC-8，用于基准测试。我们的方法不仅验证了 Mamba 模型在该领域的有效性，还证明其潜力可显著提升分类效率而不牺牲准确性。源代码可在 https://github.com/LewisClifton/Mamba-WBC-Classification 查阅。
关键词
引用
@article{arxiv.2504.11438,
title = {Mamba-Based Ensemble learning for White Blood Cell Classification},
author = {Lewis Clifton and Xin Tian and Duangdao Palasuwan and Phandee Watanaboonyongcharoen and Ponlapat Rojnuckarin and Nantheera Anantrasirichai},
journal= {arXiv preprint arXiv:2504.11438},
year = {2025}
}