从数据到诊断：一个大型、全面的骨髓数据集和用于预测儿童白血病的人工智能方法

于红博

摘要: 白血病诊断主要依赖于骨髓形态学的手动显微分析，辅以额外的实验室参数，使其变得复杂和耗时。虽然已经提出了人工智能（AI）解决方案，但大多数利用私人数据集，并且仅涵盖诊断流程的部分。因此，我们提供了一个大型、高质量的公开白血病骨髓数据集，涵盖了从细胞检测到诊断的整个过程。利用这个数据集，我们进一步提出了细胞检测、细胞分类和诊断预测的方法。该数据集包括246名儿童患者的诊断、临床和实验室信息，超过40,000个带有边界框注释的细胞，其中超过28,000个具有高质量的类标签，使其成为目前最全面的公开数据集。对AI模型的评估显示，细胞检测的平均精度为0.96，33类细胞分类的曲线下面积为0.98，F1分数为0.61，使用预测细胞计数进行诊断预测的平均F1分数为0.90。虽然提出的方法展示了在AI辅助诊断中的实用性，但该数据集将促进该领域的进一步研究和发展，最终有助于更准确的诊断和改善患者结果。

更新时间: 2025-09-19 11:48:48

领域: cs.LG,cs.AI,cs.CV

下载: http://arxiv.org/abs/2509.15895v1