Il modello di deep learning YOLOv12 raggiunge il 99,3% di accuratezza nella classificazione delle cellule della leucemia mieloide acuta

Un modello di deep learning ha dimostrato prestazioni eccezionali nella classificazione delle cellule della leucemia mieloide acuta, raggiungendo il 99,3% di accuratezza sia nelle fasi di validazione che di test. Il modello YOLOv12 è stato applicato a questo impegnativo compito di classificazione medica, che coinvolge la distinzione tra tipi di cellule sanguigne visivamente simili. I ricercatori hanno impiegato due approcci di segmentazione distinti basati su caratteristiche cellulari e nucleari, preprocessando le immagini utilizzando tecniche del canale Hue e sogliatura di Otsu. Il metodo più efficace ha combinato YOLOv12 con la sogliatura di Otsu applicata alla segmentazione basata sulle cellule. La leucemia mieloide acuta rappresenta una delle forme più pericolose di cancro del sangue, dove la classificazione accurata rimane difficile a causa delle somiglianze morfologiche tra diversi tipi cellulari. Questa ricerca affronta la classificazione multiclasse delle cellule LMA attraverso tecniche avanzate di computer vision. Lo studio è stato pubblicato su arXiv, una piattaforma per preprint scientifici, nella categoria di computer vision e riconoscimento di pattern. Il lavoro contribuisce allo sviluppo della tecnologia di imaging medico e diagnostica.