一种对相关生物标志物敏感的急性淋巴细胞白血病诊断新流程
计算机视觉与模式识别
2025-03-07 v3
摘要
急性淋巴细胞白血病（ALL）是最常见的儿童血液癌症之一。快速启动治疗过程对挽救患者生命至关重要，因此该疾病的早期诊断是必不可少的。检查这些患者的血涂片图像是专家医生用于诊断该疾病的方法之一。基于深度学习的方法在医学领域有众多应用，因为近年来其取得了显著进展。ALL 诊断在此领域也不例外，并已提出若干基于机器学习的方法来解决该问题。先前方法报告了高诊断准确率，但我们的工作表明仅此并不充分，因为这可能导致模型走捷径而未作出有意义的决策。该问题源于医学训练数据集规模较小。为此，我们约束模型遵循受专家工作启发的流程。我们还证明，由于仅基于单张图像的判断是不充分的，将问题重新定义为多示例学习（multiple-instance learning）问题对于取得实用结果是必要的。我们的模型是首个在多示例学习设定下提供该问题解决方案的模型。我们引入了一种诊断 ALL 的新流程，其近似血液学家所用过程，对相关疾病生物标志物敏感，并在 ALL IDB 1 上达到 96.15% 准确率、94.24% F1 分数、97.56% 灵敏度与 90.91% 特异度。我们的方法进一步在分布外数据集上评估，其构成具有挑战性的测试且表现可接受。值得注意的是，我们的模型在相对较小的数据集上训练，突显了我们的方法应用于其他数据有限的医学数据集的潜力。
引用
@article{arxiv.2307.04014,
title = {Novel Pipeline for Diagnosing Acute Lymphoblastic Leukemia Sensitive to Related Biomarkers},
author = {Amirhossein Askari Farsangi and Ali Sharifi-Zarchi and Mohammad Hossein Rohban},
journal= {arXiv preprint arXiv:2307.04014},
year = {2025}
}