말초혈액 이미지 기반 급성백혈병 세포 분류를 위한 딥러닝 진단모델 연구

Deep Learning-Based Diagnostic Model for Acute Leukemia Cell Classification Using Peripheral Blood Images

연구 내용

말초혈액 세포 이미지를 입력으로 급성 골수모구성 및 림프모구성 백혈병 관련 세포를 다중 분류하는 딥러닝 진단모델을 개발하는 연구

급성백혈병의 신속한 분류를 위해 말초혈액 슬라이드의 단일세포 이미지를 기반으로 다중 세포 유형 분류 모델을 구축합니다. EfficientNet 계열의 비전 모델을 입력 해상도와 학습 구성을 변수로 비교하고, 성능 차이를 반영해 앙상블 전략을 적용합니다. 특히 골수모구와 림프모구처럼 임상적으로 혼동 가능성이 큰 세포 범주에서 분류 성능을 확인하는 방향으로 연구를 수행합니다. 의료 환경에서 숙련 인력과 시간 제약이 존재할 때의 보조 진단 적용 가능성을 평가합니다.

관련 프로젝트

0건

연구 흐름

2024년에는 말초혈액 슬라이드로부터 대규모 단일세포 이미지를 수집하고, EfficientNet-V1 및 EfficientNet-V2 기반의 분류 모델을 해상도 조건별로 검증했습니다. 이후 모델 간 성능 차이를 기반으로 앙상블 구성을 도입하여 다중 세포 유형 분류 정확도와 F1 성능을 함께 향상시키는 방향으로 연구를 진행했습니다. 최종 단계에서는 수신자조작특성(ROC) 기반 분류 능력을 확인하고, 골수모구 및 림프모구 범주에 대한 재현성과 임상 적용 가능성을 함께 점검하는 절차를 수행했습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

급성백혈병 보조진단 알고리즘
말초혈액 슬라이드 자동 판독
임상 의사결정 지원 시스템
세포 유형 분류용 영상 데이터셋 구축
모델 성능 검증 워크플로우
다중 클래스 진단 파이프라인
앙상블 기반 진단 안정화
레퍼런스 라벨링 체계
응급실/외래 대기시간 단축
숙련도 의존도 완화