CNN 알고리즘을 사용한 분류 기반 혈액 세포 암 탐지 방법

혈액 도말의 시각적 검사를 통한 전통적인 혈액 질환 식별은 시간 소모가 크고 오류가 발생하기 쉽고, 혈액학자의 신체적 시력에 의해 제한됩니다. 따라서, 임상 결정 지원을 위한 자동화된 광학 이미지 처리 시스템이 필요합니다. 백혈병은 비정상적인 모양의 미성숙 백혈구(화이트 블러드 셀)인 "블라스트"의 비정상적인 생산으로 특징지어지는 암의 일종입니다. 백혈병은 뼈와/or 혈액에 영향을 미치는 백혈구(WBC)와 관련된 질환입니다. 백혈병의 빠르고 안전하며 정확한 조기 진단은 환자의 생명을 구하고 치료하는 데 중요한 역할을 합니다. 진단은 일반적으로 혈액 도말의 현미경을 통해 백혈구를 분석하여 수행됩니다. 다양한 질병, 예를 들어 백혈병을 식별하고 높은 오진율을 제공하기 위해 많은 머신러닝 알고리즘이 개발되었습니다. 따라서 백혈구 수 분석을 위해 현미경 이미지를 분류하는 딥 러닝 알고리즘을 구현하였습니다. WBC 차별 수 시스템은 두 개의 모듈로 구성되어 있습니다: 감지 모델과 분류 모델입니다. 원시 골수 도말 이미지는우선 감지 모듈에 의해 처리되어 모든 WBC를 적혈구, 혈소판, 염색 불순물 등에서 검출했습니다. 그 다음, 검출된 세포는 분류 모듈의 입력으로 사용되었습니다. 분류 모듈은 두 단계로 구성되어 있습니다. 첫 번째 단계에서는 백혈병 진단에 사용되지 않는 분쇄 세포, 퇴화 세포 등 셀 수가 없는 세포들을 구별하였습니다. 두 번째 단계에서는 세는 WBC가 컨볼루션 신경망 알고리즘을 사용하여 다중 클래스 구별을 위해 제출되었습니다.