YOLOv12深層学習モデルによる急性骨髄性白血病（AML）の早期検出

Abstract

急性骨髄性白血病（AML）は最も生命を脅かしうるタイプの血液がんの1つであり、さまざまな細胞タイプ間における視覚的な類似性のため、その正確な分類は考慮され続けているものの、依然として困難な課題です。本研究では、YOLOv12の深層学習モデルを利用して、AML細胞の多クラス分類に取り組みます。分類の前処理として、HueチャンネルおよびOtsuの閾値処理技術を用い、細胞および核の特徴に基づく2つのセグメンテーション手法を適用しました。実験の結果、細胞ベースのセグメンテーションに対してOtsuの閾値処理を行ったYOLOv12が、最も高い検証精度とテスト精度を達成し、その両方が99.3%に到達しました。