用于骨髓显微镜下白血病诊断的频域目标检测网络

《Microscopy Research and Technique》：Frequency-Domain Object Detection Network for Leukemia Diagnosis in Bone Marrow Microscopy

白血病诊断中形态异质性导致光学显微镜识别困难，提出基于频率域的引导目标检测框架，通过图像增强和特征融合提升白血病细胞检测精度，临床验证对ALL和CLL的识别准确率达89.7%和95.6%，证实AI与光学显微镜结合的价值。

　　

摘要

白血病仍然是一种常见的血液系统恶性肿瘤，其形态学上的异质性给通过光学显微镜进行可靠识别带来了挑战。为了解决这一问题，我们提出了一种基于频域的物体检测框架，利用高分辨率的骨髓显微图像辅助白血病的诊断。具体而言，我们采用基于频率的图像增强技术和改进的特征整合方法来提高对白血病细胞的检测和分类能力。通过结合空间信息和频率信息，我们的方法能够捕捉到对准确诊断至关重要的细微结构和宏观模式。我们在临床显微图像上验证了该方法的有效性，区分急性淋巴细胞白血病（ALL）和慢性淋巴细胞白血病（CLL）的准确率分别达到了89.7%和95.6%。我们的研究结果表明，将人工智能与光学显微镜相结合可以提高白血病的诊断准确性。

利益冲突

作者声明不存在利益冲突。