인간 시각 인식을 기반으로 한 미세 이미지에서 급성 림프아구성 백혈병의 자동 탐지

미세 이미지 분석은 초기 백혈병 선별 검사 및 효율적인 진단에서 중요한 역할을 합니다. 현재의 일반적인 방법론은 부분적으로 수동 검사를 기반으로 하므로 시간 소모가 크고 전문가의 경험에 크게 의존합니다. 자동화된 백혈병 탐지는 인간의 개입을 최소화하고 보다 정확한 임상 정보를 제공할 수 있는 새로운 가능성을 열어줍니다. 본 논문은 주변 혈액 도말 이미지에서 급성 림프아구성 백혈병을 자동으로 식별하기 위해 전통적인 디지털 이미지 처리 기술과 기계 학습 알고리즘을 기반으로 한 새로운 접근 방식을 제안합니다. 세분화 단계의 가장 큰 문제를 극복하기 위해, 우리는 광범위한 전처리를 구현하고 최상의 세분화 결과를 달성하기 위해 3단계 여과 알고리즘을 도입했습니다. 또한, 16개의 강력한 특징을 혈액학 전문가가 하는 방식으로 이미지에서 추출하여, 미세 이미지에서 백혈병 세포를 인식하는 분류기의 능력이 상당히 향상되었습니다. 분류를 수행하기 위해 인공 신경망과 서포트 벡터 머신이라는 두 가지 전통적인 기계 학습 분류기를 적용했습니다. 두 방법 모두 95.31%의 특이도에 도달했으며, 서포트 벡터 머신과 인공 신경망의 민감도는 각각 98.25와 100%에 도달했습니다.