34、基于注意力机制增强的深度卷积神经网络实现精准多类别白血病分类

基于注意力机制增强的深度卷积神经网络实现精准多类别白血病分类

1. 引言

白血病是一种影响全球人类的恶性血液系统疾病，它源于骨髓和血液中白细胞的异常大量增殖，这种不受控制的增长会破坏血小板、红细胞等重要血细胞的正常生成，进而引发白血病。白血病细胞还可能扩散到全身，损害其他器官和组织。据美国癌症协会估计，2023 年美国约有 59,610 例新的白血病病例被诊断出来。

白血病是一种复杂的疾病，有多种不同的亚型，每种亚型都有其独特的特征和治疗方法。其中，急性淋巴细胞白血病（ALL）是儿童中最常见的癌症之一，约占儿童白血病病例的 75%，占所有儿童恶性肿瘤的 25%左右。然而，ALL 在成年人中相对较少见，仅占所有成人白血病病例的 20%左右。ALL 的发病较为隐匿，症状不具特异性，如发热、疲劳和贫血等，这些症状可能会被误认为是其他常见疾病。因此，快速筛查和治疗对于改善患者的预后至关重要。

传统的白血病诊断方法包括临床、实验室和形态学评估，如对骨髓和血液样本的检查。但这种人工检查方式主观性强、耗时长，且可能导致诊断不准确。所以，迫切需要准确、高效的自动化诊断工具来辅助 ALL 的早期诊断和管理。

虽然自动化系统在白血病诊断方面展现出了一定的潜力，但仍存在一些局限性和挑战，例如依赖法国 - 美国 - 英国（FAB）分类方法，而非专家更青睐的世界卫生组织（WHO）分类方法，并且对注意力机制的利用不足。为了解决这些问题，我们提出了一种新颖的三层架构。第一层使用预训练网络从血液涂片图像中提取高级特征；第二层利用卷积块注意力模块（CBAM）来增强模型性能，该模块可以捕获空间和通道信息；最后一层是分类模块。我们相信自己是首个将 CBAM 应用于 ALL 分类的团队。此外，为了增