배경 백혈병은 모든 연령대의 사람들에게 영향을 미치는 생명을 위협하는 암 질환으로, 전 세계적으로 상당한 사망 원인이다. 백혈병은 백혈구(WBC)와 관련된 질환으로, 미성숙 림프구의 수가 증가하고 혈액이나 골수에 손상을 준다. 현미경 혈액 샘플 이미지를 사용한 백혈병의 수동 진단은 백혈병 세포와 정상 세포가 유사하게 보이기 때문에 지루하고 정확성이 떨어지며 시간이 많이 소요되는 과정이다. 방법 본 연구는 현미경 이미지를 사용하여 백혈병 암 분류를 위해 주의 기반 심층 학습을 적용한 모델인 EAROADL-LCC(강화된 인공 토끼 최적화와 주의 기반 심층 학습)를 제시한다. 제시된 EAROADL-LCC 기법에서 주의 기반 EfficientNet 모델을 사용하여 입력 이미지에서 관련 특징을 추출한다. 그 다음, 하이퍼파라미터 튜닝을 위해 Levy 비행(LF) 모델을 사용하여 EARO 알고리즘이 설계된다. 마지막으로, 분류 목적을 위해 개선된 시계열 합성곱 네트워크(ITCN) 모델이 적용된다. 결과 EAROADL-LCC 기법의 실험 검증은 의료 이미징 데이터 세트에서 이루어졌으며, 비교 결과 최근 방법들에 비해 우수한 성과를 입증하였다. 실험 분석 결과, 우리의 제안된 모델에서 발견되었다. 결론 제안된 방법은 99.56%의 정확도를 달성하였다. 또한 민감도(재현율)는 98.1%로 향상되었고 정밀도는 98.63%에 도달하였다. F1 점수는 97.69%로 모델이 백혈병과 비백혈병 사례를 구분하는 데 강력한 성능을 보임을 나타내며 유의미한 개선을 보여주었다.
Behera et al. (Thu,)는 이 문제를 연구하였다.