YOLOv12 深層学習モデルを使用した急性骨髄性白血病（AML）の早期検出

arXiv:2604.16082v1 発表型：新規 摘要: 急性骨髄性白血病（AML）は最も命を脅かす血液腫瘍の一つであり、その正確な分類は、多種の細胞間の視覚的な類似性のために、考慮され続けるに難解な課題です。本稿は、Yolo v12 深層学習モデルを活用した AML 細胞の多分類問題を解決します。画像分類以前に画像を前処理する際、細胞特性および細胞核特性に基づき、2 つの分割アプローチを実装しました。画像の前処理には色調チャンネルと Otsumi 閾値処理技術を使用しました。実験結果は、Otsumi 閾値処理を細胞ベースの分割に適用した YOLOv12 が、検証精度とテスト精度の両方で最高の結果を示したことを示しており、両者はそれぞれ 99.3% に達しました。

arXiv:2604.16082v1 Announce Type: new Abstract: Acute Myeloid Leukemia (AML) is one of the most life-threatening type of blood cancers, and its accurate classification is considered and remains a challenging task due to the visual similarity between various cell types. This study addresses the classification of the multiclasses of AML cells Utilizing YOLOv12 deep learning model. We applied two segmentation approaches based on cell and nucleus features, using Hue channel and Otsu thresholding techniques to preprocess the images prior to classification. Our experiments demonstrate that YOLOv12 with Otsu thresholding on cell-based segmentation achieved the highest level of validation and test accuracy, both reaching 99.3%.