一种混合特征融合深度学习框架用于显微血液样本中白血病检测,采用门控循环单元和不确定性量化
发表于: 。本研究针对传统白血病诊断方法成本高、耗时长且依赖专家知识的缺陷,提出了一种新的混合深度学习模型来提高急性淋巴细胞白血病的检测精度。通过引入不确定性量化和贝叶斯优化,这些模型在公开数据集上实现了显著的检测准确率,最高达100%,显示出其在白血病诊断中的潜在影响。
本研究针对传统白血病诊断方法成本高、耗时长且依赖专家知识的缺陷,提出了一种新的混合深度学习模型来提高急性淋巴细胞白血病的检测精度。通过引入不确定性量化和贝叶斯优化,这些模型在公开数据集上实现了显著的检测准确率,最高达100%,显示出其在白血病诊断中的潜在影响。