Resumen

La leucemia linfocítica aguda (LLA) es un cáncer mortal que no sólo afecta a los adultos, sino que también representa alrededor del 25% de los cánceres infantiles. El diagnóstico oportuno y preciso del cáncer es una premisa importante para que el tratamiento sea eficaz y mejore la tasa de supervivencia. Dado que la imagen de los linfoblastos B leucémicos (células cancerosas) bajo el microscopio es muy similar en morfología a la de los precursores normales de los linfocitos B (células normales), es difícil distinguir entre las células cancerosas y las normales. Por lo tanto, proponemos el modelo de conjunto ViT-CNN para clasificar las imágenes de células cancerosas y las de células normales para ayudar en el diagnóstico de la leucemia linfoblástica aguda. El modelo de conjunto ViT-CNN es un modelo de conjunto que combina el modelo transformador de visión y el modelo de red neuronal convolucional (CNN). El modelo de transformador de visión es un modelo de clasificación de imágenes basado enteramente en la estructura del transformador, que tiene un método de extracción de características completamente diferente al del modelo CNN. El modelo de conjunto ViT-CNN puede extraer las características de las imágenes de las células de dos maneras completamente diferentes para lograr mejores resultados de clasificación. Además, el conjunto de datos utilizado en este artículo es un conjunto de datos desequilibrado y tiene una cierta cantidad de ruido, y proponemos un método de mejora de datos de muestreo aleatorio de mejora de la diferencia (DERS), creamos un nuevo conjunto de datos equilibrado y utilizamos la función de pérdida de entropía cruzada simétrica para reducir el impacto del ruido en el conjunto de datos. La precisión de la clasificación del modelo de conjunto ViT-CNN en el conjunto de prueba ha alcanzado el 99,03%, y se ha demostrado mediante comparación experimental que el efecto es mejor que el de otros modelos. El método propuesto puede distinguir con precisión entre células cancerosas y células normales y puede utilizarse como un método eficaz para el diagnóstico asistido por ordenador de la leucemia linfoblástica aguda.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:modelo de conjunto, leucemia linfoblástica aguda, célula cancerosa, modelo de transformadores de visión, célula normal, cnn, imagen de célula normal, mejores resultados de clasificación, función de pérdida de entropía, características de la célula
• Keywords:ensemble model, acute lymphoblastic leukemia, cancer cell, vision transformers model, normal cell, cnn, normal cell image, better classification results, entropy loss function, features of cell