論文の概要: Early Detection of Acute Myeloid Leukemia (AML) Using YOLOv12 Deep Learning Model

• arxiv url: http://arxiv.org/abs/2604.16082v1
• Date: Fri, 17 Apr 2026 14:07:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-20 22:00:19.946518
• Title: Early Detection of Acute Myeloid Leukemia (AML) Using YOLOv12 Deep Learning Model
• Title（参考訳）: YOLOv12ディープラーニングモデルを用いた急性骨髄性白血病(AML)の早期診断
• Authors: Enas E. Ahmed, Salah A. Aly, Mayar Moner,
• Abstract要約: 急性骨髄性白血病(AML)は、最も致命的な血液型の一つである。 本研究では, YOLOv12ディープラーニングモデルを用いたAML細胞のマルチクラス分類について検討した。 実験の結果,Ottoをセルベースセグメンテーションに閾値付けしたYOLOv12は,高い検証精度とテスト精度を達成し,いずれも99.3%に達した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/publicdomain/zero/1.0/
• 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%.
• Abstract（参考訳）: 急性骨髄性白血病(AML)は最も致命的な血液型の一つであり、その正確な分類は検討されており、様々な細胞種間の視覚的類似性のため課題である。 本研究では, YOLOv12深層学習モデルを用いたAML細胞の多クラス分類について検討した。 細胞と核の特徴に基づく2つのセグメンテーション手法を適用し,Hueチャネルと大津しきい値法を用いて,分類前の画像の事前処理を行った。 実験の結果,Ottoをセルベースセグメンテーションに閾値付けしたYOLOv12は,高い検証精度とテスト精度を達成し,いずれも99.3%に達した。

関連論文リスト

• CellVerse: Do Large Language Models Really Understand Cell Biology? [74.34984441715517]
  我々は,4種類のシングルセルマルチオミクスデータを統合する統一言語中心の質問応答ベンチマークであるCellVerseを紹介する。 我々は,CellVerse上で160Mから671Bまでの14のオープンソースおよびクローズドソースLLMの性能を体系的に評価した。
  論文  参考訳（メタデータ） (2025-05-09T06:47:23Z)
• Leveraging Sparse Annotations for Leukemia Diagnosis on the Large Leukemia Dataset [44.948939549346676]
  白血病は世界で10番目に頻繁に診断されるがんであり、がん関連死亡の原因の1つとなっている。 医学画像の深層学習の進歩にもかかわらず、白血病解析には多種多様なマルチタスクデータセットが欠けている。 大規模WBCデータセットと,その属性を用いてWBCを検出する新しい手法を提案する。
  論文  参考訳（メタデータ） (2025-04-03T14:04:02Z)
• Acute Lymphoblastic Leukemia Diagnosis Employing YOLOv11, YOLOv8, ResNet50, and Inception-ResNet-v2 Deep Learning Models [0.0]
  本研究の目的は,急性リンパ芽球性白血病(ALL)の診断における画像処理と深層学習の手法を応用して,最先端の成果を達成することである。 YOLOv8、YOLOv11、ResNet50、Inception-ResNet-v2といった高度なディープラーニングモデルを利用することで、99.7%の精度を達成する。
  論文  参考訳（メタデータ） (2025-02-13T22:43:28Z)
• A Hybrid Feature Fusion Deep Learning Framework for Leukemia Cancer Detection in Microscopic Blood Sample Using Gated Recurrent Unit and Uncertainty Quantification [1.024113475677323]
  白血病は、顕微鏡で血液や骨髄の腫れを分析して診断され、さらなる細胞化学的検査によって確認される。 深層学習は、白血病細胞の検出を補助する、顕微鏡スミア画像を分類する高度な方法を提供している。 本研究では,急性リンパ性白血病(ALL)の分類のためのハイブリッドディープラーニングモデルを構築した。 提案手法は、ALL-IDB1データセットで100%、ALL-IDB2データセットで98.07%、組み合わせたデータセットで98.64%という顕著な検出精度を達成した。
  論文  参考訳（メタデータ） (2024-10-18T15:23:34Z)
• Holistic and Historical Instance Comparison for Cervical Cell Detection [6.735336269995631]
  本稿では,頚部細胞検出のための総合的,歴史的事例比較手法を提案する。 具体的には、まず、RoIレベルとクラスレベルの細胞識別を併用した総合的な事例比較スキームを開発する。 この粗い細胞間比較は、モデルが前景の区別可能なクラスワイド表現を学習することを奨励する。
  論文  参考訳（メタデータ） (2024-09-21T02:36:19Z)
• MMIL: A novel algorithm for disease associated cell type discovery [58.044870442206914]
  単一細胞データセットは、しばしば個々の細胞ラベルを欠いているため、病気に関連する細胞を特定することは困難である。 セルレベルの分類器の訓練と校正を可能にする予測手法であるMixture Modeling for Multiple Learning Instance (MMIL)を導入する。
  論文  参考訳（メタデータ） (2024-06-12T15:22:56Z)
• FlowCyt: A Comparative Study of Deep Learning Approaches for Multi-Class Classification in Flow Cytometry Benchmarking [1.6712896227173808]
  FlowCytは、フローコードされたデータにおいて、マルチクラスのシングルセル分類のための最初の包括的なベンチマークである。 このデータセットは、30人の患者の骨髄サンプルからなり、各細胞は12個のマーカーで特徴づけられる。
  論文  参考訳（メタデータ） (2024-02-28T15:01:59Z)
• Corneal endothelium assessment in specular microscopy images with Fuchs' dystrophy via deep regression of signed distance maps [48.498376125522114]
  本稿では,UNetをベースとしたセグメンテーション手法を提案する。 これは、フックスのジストロフィーの全度にわたって、信頼できるCE形態計測と腸骨同定を実現する。
  論文  参考訳（メタデータ） (2022-10-13T15:34:20Z)
• Multi-Scale Input Strategies for Medulloblastoma Tumor Classification using Deep Transfer Learning [59.30734371401316]
  乳腺芽腫は小児で最も多い悪性脳腫瘍である。 CNNはMBサブタイプ分類に有望な結果を示した。 タイルサイズと入力戦略の影響について検討した。
  論文  参考訳（メタデータ） (2021-09-14T09:42:37Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。