92、基于外周血涂片图像的血癌检测：深度学习模型的比较与应用

基于外周血涂片图像的血癌检测：深度学习模型的比较与应用

1. 引言

血癌是一种影响人体细胞的癌症，常见类型包括白血病、淋巴瘤和骨髓瘤。癌症并非单一疾病，而是多种疾病和病毒在人体内的混合。白血病影响负责抵抗感染的白细胞，骨髓会产生异常白细胞，排挤健康细胞并导致功能异常。淋巴瘤是淋巴系统的癌症，恶性淋巴细胞会在淋巴结和身体其他部位形成肿瘤。骨髓瘤则是浆细胞（产生抗体的白细胞）的癌症，异常浆细胞会不受控制地增殖，损害免疫系统、骨骼和其他器官。

目前，深度学习模型如 MobileNet、VGG - 16、VGG - 19、InceptionV3 和 ResNet50 已被用于血癌检测。这些模型基于卷积神经网络（CNNs），特别适合图像分类任务。其中，MobileNet 是适用于处理能力有限的移动设备的紧凑型 CNN 模型；VGG - 16 和 VGG - 19 是更深、更复杂的模型，广泛应用于图像识别任务；InceptionV3 通过使用多个滤波器和层提高图像分类的准确性；ResNet50 利用残差连接增强训练效果，避免梯度消失问题。

在本次研究中，模型的工作步骤包括预处理、数据分割、应用模型、性能评估、比较和检测。使用 ResNet50 取得了 95% 的准确率，是所有使用模型中最高的。总体而言，使用深度学习模型检测血癌在提高诊断的精度和速度方面非常有前景，将使患者受益。

2. 文献综述

• Alhazmi. L 的研究 ：开发了一个深度学习计算模型，能够自动检测血液样本图像中的白细胞、红细胞和血小板。使用 BCCD 数据集，该数据集包含血液样本图像，经过预处理后用于训练模型。在该数据集中，模型