لوکوویت: یک مدل کارآمد مبتنی بر ترانسفورمر بینایی برای طبقه بندی خودکار لکوسیت ها

شناسایی و ارزیابی لکوسیت ها برای ارزیابی کیفیت سیستم ایمنی انسان مهم است. با این حال، تجزیه و تحلیل اسمیر خون به تخصص پاتولوژیست بستگی دارد. روش دستی برای تجزیه و تحلیل و طبقه بندی گلوبولهای سفید ها پرهزینه و زمان بر است و می تواند منجر به خطا در تشخیص شود. اکثر روش های یادگیری عمیق از مدل های مبتنی بر CNN برای طبقه بندی گلبول های سفید استفاده می کنند. این مقاله استفاده از یک شبکه مبتنی بر ViT را برای طبقه بندی لکوسیت ها در نمونه خون مورد بحث قرار می دهد. مجموعه داده مورد استفاده در این مقاله شامل ۳۵۲ تصویر با اندازه ۳۲۰ در ۲۴۰ است که از طریق روش هایی برای ایجاد یک مجموعه داده متعادل از ۱۲۴۴۴ تصویر داده افزایی شده است. سپس داده های افزایش یافته برای آموزش معماری مبتنی بر ViT برای طبقه بندی انواع مختلف گلبول های سفید مورد استفاده قرار گرفته است. دراولین مرحله از روش پیشنهادی، یک توکنایزر کانولوشن برای استخراج پچ تصاویر اعمال شده است. این پچ ها فلت شده و به عنوان ورودی برای ساختار مبتنی بر ViT برای شناسایی زیر کلاس ها در مرحله دوم استفاده شده اند. نتایج به دست آمده با استفاده از لوکوویت نشان می دهد صحت شبکه پیشنهادی ۹۹.۰۴ درصد است که نسبت به شبکه های پیشرفته برتری دارد.

کلیدواژه ها:

گلبول های سفید ، طبقه بندی تصویر ، یادگیری عمیق ، شبکه عصبی کانولوشن ، ترانسفورمر بینایی