論文の概要: LeukocyteCount: Automatic Identification and Counting for leukocytes using Deep Learning

• arxiv url: http://arxiv.org/abs/2607.04486v1
• Date: Sun, 05 Jul 2026 20:18:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:29.947779
• Title: LeukocyteCount: Automatic Identification and Counting for leukocytes using Deep Learning
• Title（参考訳）: 深層学習による白血球の自動同定と測定
• Authors: Ahmed M. Sayed, Sondos A. Refaat, Abdallah M. Mostafa, Mariam S. El-Rahmany, Ensaf Hussein Mohamed,
• Abstract要約: 白血球(WBC)は、体内の感染防御機構を評価するのに必須のマーカーである。 WBCの数え方と分類の伝統的な方法は労働集約的であり、主に人間の誤りによって不正確になる傾向がある。 本研究では、特定課題の軽減を目的とした機械学習に基づく自動解決策を提案する。
• 参考スコア（独自算出の注目度）: 0.6369115962791501
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Diagnosing and monitoring diseases frequently involves the analysis of human biological samples, with blood analysis being pivotal. Specifically, leukocytes, or white blood cells (WBCs), are essential markers for evaluating the body's defense mechanisms against infections. Traditional methods for WBC counting and classification are labor-intensive and prone to inaccuracies, primarily due to human error. The conventional processes for blood cell analysis, especially those concerning WBCs, are beset with difficulties. These include the laborious nature of manual counting and the susceptibility to errors, which can significantly impact the accuracy and reliability of disease diagnosis and monitoring. This study proposes an automated, machine learning-based solution aimed at mitigating the identified challenges. By employing a hybrid model that integrates Yolov5 for the detection of WBCs, coupled with a finely tuned, pre-trained MobileNetV2 model and a Logistic Regression classifier, the study innovates in the accurate identification, counting, and classification of WBCs into four distinct types. The methodology leverages the BCCD dataset for training and validation purposes. The application of the proposed hybrid machine learning model has yielded remarkable results, demonstrating a detection accuracy rate of 98\% through the Yolov5 stage, and an unparalleled classification accuracy of 99.04\% in subsequent stages utilizing MobileNetV2 and Logistic Regression. Additionally, Our proposed YOLOv5-based RBC detection module achieves an F1 score of 99.73\%, which outperforms the baseline. These findings underscore the model's potential in transforming traditional laboratory practices for WBC analysis, offering a path towards more accurate, efficient, and reliable disease diagnostics and monitoring.
• Abstract（参考訳）: 疾患の診断とモニタリングには、血液分析が重要となるヒトの生物学的サンプルの分析が含まれることが多い。 特に白血球(白血球、または白血球)は、感染に対する身体の防御機構を評価するのに必須のマーカーである。 WBCの数え方と分類の伝統的な方法は労働集約的であり、主に人間の誤りによって不正確になる傾向がある。 従来の血液細胞解析のプロセス、特にWBCに関するプロセスは困難に満ちている。 これには、手動計数の面倒な性質やエラーへの感受性が含まれており、疾患の診断とモニタリングの正確さと信頼性に大きな影響を及ぼす可能性がある。 本研究では、特定課題の軽減を目的とした機械学習に基づく自動解決策を提案する。 WBCの検出にYolov5を統合するハイブリッドモデルと、微調整された事前訓練されたMobileNetV2モデルとロジスティック回帰分類器を組み合わせることで、WBCの正確な識別、カウント、分類を4つの異なるタイプに改善する。 この手法は、BCCDデータセットをトレーニングと検証の目的で活用する。 提案したハイブリッド機械学習モデルの応用は、ヨロフ5段階における検出精度98\%と、MobileNetV2 と Logistic Regression を用いたその後の段階における非並列分類精度99.04\%という顕著な結果を得た。 さらに,提案した YOLOv5 ベースの RBC 検出モジュールは,F1 スコア 99.73 % を達成し,ベースラインを上回った。 これらの知見は、WBC分析のための従来の実験室のプラクティスを変換し、より正確で効率的で信頼性の高い疾患の診断とモニタリングへの道筋を提供するモデルの可能性を強調している。

関連論文リスト

• Neural Cellular Automata for Weakly Supervised Segmentation of White Blood Cells [37.639376961641666]
  ニューラルセルオートマトン(NCA)を用いた弱教師付きセグメンテーションのための新しいアプローチを提案する。 本手法を3つの白血球顕微鏡データセット上で評価し,NAA-WSSが既存の弱教師付きアプローチよりも有意に優れていることを示す。
  論文  参考訳（メタデータ） (2025-08-17T10:40:16Z)
• 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)
• Analysis of Modern Computer Vision Models for Blood Cell Classification [49.1574468325115]
  この研究では、MaxVit、EfficientVit、EfficientNet、EfficientNetV2、MobileNetV3といった最先端アーキテクチャを使用して、迅速かつ正確な結果を得る。 本手法は,従来の手法の速度と精度の懸念に対処するだけでなく,血液学的解析における革新的な深層学習モデルの適用性についても検討する。
  論文  参考訳（メタデータ） (2024-06-30T16:49:29Z)
• Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
  近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。 そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
  論文  参考訳（メタデータ） (2024-04-26T16:39:50Z)
• Neural Cellular Automata for Lightweight, Robust and Explainable Classification of White Blood Cell Images [40.347953893940044]
  ニューラルセルオートマトン(NCA)を用いた白血球分類の新しいアプローチを提案する。 NCAに基づく手法はパラメータの面で著しく小さく,ドメインシフトに対する堅牢性を示す。 その結果,NAAは画像分類に利用でき,従来の手法の課題に対処できることがわかった。
  論文  参考訳（メタデータ） (2024-04-08T14:59:53Z)
• Accurate Leukocyte Detection Based on Deformable-DETR and Multi-Level Feature Fusion for Aiding Diagnosis of Blood Diseases [5.788342067882157]
  本稿では,多レベル特徴融合と変形性自己注意型DETR(MFDS-DETR)という,新しい白血球検出法を提案する。 このモデルは、チャネルアテンションモジュールを介して低レベル特徴情報をフィルタリングするために、ハイレベル特徴を重みとして利用する。 マルチスケールの変形可能な自己保持モジュールをエンコーダに組み込むことにより、白血球機能不足の問題に対処する。
  論文  参考訳（メタデータ） (2024-01-01T16:28:30Z)
• Imbalanced Domain Generalization for Robust Single Cell Classification in Hematological Cytomorphology [3.7007225479462402]
  我々は、ドメイン間データの不均衡とドメインシフトに対処して、WBC分類のための堅牢なCNNを訓練する。 提案手法は,既存手法と比較してF1マクロスコアが最適である。
  論文  参考訳（メタデータ） (2023-03-14T10:20:31Z)
• Learning to diagnose cirrhosis from radiological and histological labels with joint self and weakly-supervised pretraining strategies [62.840338941861134]
  そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。 我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。 この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
  論文  参考訳（メタデータ） (2023-02-16T17:06:23Z)

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。